搜索资源列表
Parzen-window-method
- 此为模式识别中Parzen窗法估计概率密度函数。 全部程序流程如下： 1、读取FAMALE.TXT文件把身高或体重给数组，并求x1的样本数N1和窗宽、体宽； 2、读取MALE.TXT文件把身高或体重给数组，并求x2的样本数N2和窗宽、体宽； 3、读取Test2.txt文件把对应的身高或体重给数组A并求A的样本数M； 4、利用Parzen窗法估计概率密度函数判别男女性别； 5、对本判别的错误率进行统计。 -This is the pattern recognition
Minimum-Bayes-classifier-error-rate
- 这是模式识别中最小错误率Bayes分类器设计方案。 自行完善了在不同先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从而得到概率密度
Minimum-Risk-Bayes-classifier
- 这是模式识别中最小风险Bayes分类器的设计方案。在参考例程的情况下，自行完善了在一定先验概率的条件下，男、女错误率和总错误率的统计，放入各个数组当中。 全部程序由主函数、最大似然估计求取概率密度子函数、最小错误率贝叶斯分类器决策子函数三块组成。 调用最大似然估计求取概率密度子函数时，第一步获取样本数据，存储为矩阵；第二步对矩阵的每一行求和，并除以样本总数N，得到平均值向量；第三步是应用公式（3-43）采用矩阵运算和循环控制语句，求得协方差矩阵；第四步通过协方差矩阵求得方差和相关系数，从
bp_sez_classify
- BP网络实现性别识别。BP是自己实现的，没有调用工具箱。-recoginise sex by BP in matlab,which is emplemented myself
gender-recognition
- 包括中西方人的人脸性别识别。基于局部Gabor变换直方图序列(LGBPHS)的方法。图像噪声、光照和人脸角度变化对性别识别的影响都非常小。 尤其对东方人的性别识别率可达96 -Including Westerners who face gender identification. Based on local Gabor transform histogram sequence (LGBPHS), method. Image noise, light and face angle chan
模式识别bayes实验
- 用身高和/或体重数据进行性别分类的实验 试验直接设计线性分类器的方法，与基于概率密度估计的贝叶斯分离器进行比较。 体会留一法估计错误率的方法和结果
模式识别第一次作业
- 1． 用 dataset1.txt 作为训练样本，用dataset2.txt 作为测试样本，采用身高和体重数据为特征，在正态分布假设下估计概率密度（只用训练样本），建立最小错误率贝叶斯分类器，写出所用的密度估计方法和得到的决策规则，将该分类器分别应用到训练集和测试集，考察训练错误率和测试错误率。将分类器应用到dataset3 上，考察测试错误率的情况。(1. using dataset1.txt as training samples as test samples by dataset2.tx
模式识别
- 简单的贝叶斯分类器，实现基于身高体重的男女性别分类(Simple Bias classifier)
模式识别第二次作业
- 基于贝叶斯原理，通过体重身高数据进行性别分类(Based on Bayes principle, sex classification is carried out by body weight and height data)