- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
昆明理工大学信息工程与自动化学院学生实验报告
(2014—2015学年第1学期)
课程名称:人工智能及其应用开课实验室:信自5042014年12月14日
年级、专业、班学号姓名
实验项目名称手写数字识别指导教师王剑
该同学是否了解实验原理:A.了解□B.基本了解□C.不了解□
该同学的实验能力:A.强□B.中等□C.差□
教
该同学的实验是否达到要求:A.达到□B.基本达到□C.未达到□
实验报告是否规范:A.规范□B.基本规范□C.不规范□
师
实验过程是否详细记录:A.详细□B.一般□C.没有□
评
教师签名:
语
年月日
一、实验目的及内容
1.手写数字的识别
-参见week8中的资料
-任选两种方法完成识别
-可选的方法有:模板匹配、欧式举例、bayes、神经网络、决策树等
-需对模式识别的基本原理和过程、本题中涉及的数字特征的提取和表示问题做阐述
二、所用仪器、材料(设备名称、型号、规格等或使用软件)
1台PC以及matlab2012软件。
三、实验方法、步骤(或:程序代码或操作过程)
实现方法为四个步骤(1)数据获取和预处理
(2)特征抽取和选择
(3)分类器设计
-1-
(4)使用分类器进行分类
数字图像被分成5行5列的格子,共5*5个特征。
X:(x1,x2,x3,……x25)
共有9个数字,因此X有9类
特征的计算:
统计每个格子中黑色像素的个数,除以该格子中所有的像素数目,即得一个特征
手写数字特征保存在templet中,由结构体pattern表示
数字‘1’的5个样本
的特征矩阵
每列代表一个样品
每行代表一个特征
手写数字图像9_1.bmp特征提取的代码如下:
-2-
-3-
该手写数字的特征向量如右所示:
1.基于二值数据的贝叶斯分类器
计算先验概率P(ωi)
计算类条件(先验)概率P(X|ωi)
P(X|ωi)=∏P(xj=a|ωi)其中i=1…9,j=0…24,a=0或1,P(xj=a|ωi)=(∑
xj+1)/(Ni+2)
应用Bayes公式求后验概率
P(ωi|X)=P(ωi)*P(X|ωi)
后验概率最大值的类别就是手写数字的所属类别
Testing运行:bayesBinaryTest
functiony=bayesBinary(sample);
clc;
loadtempletpattern;
sum=0;
prior=[];%
p=[];
-4-
likelihood=[];
P=[];
%calcula
文档评论(0)