人名识别实验报告.docx

人名识别实验报告篇一:学号姓名计算机基础实验报告滁州职业技术学院实验报告学号:20XX 姓名:刘明星班级:计算机应用(2)课程名称:计算机应用基础指导教师:孟龙梅 20XX/20XX学年第一学期目录文字录入........................................................................................................................1 WindowsXP操作.........................................................................................................3 Word20XX操作............................................................................................................6 Excel20XX操作............................................................................................................8 PowerPoint20XX操作.................................................................................................10篇二:模式识别实验报告 Bayes分类器设计【实验目的】对模式识别有一个初步的理解,能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识,理解二类分类器的设计原理。【实验原理】 Bayes分类器的基本思想是依据类别先验概率和条件概率密度,按照某种准则使分类结果从统计上讲是最佳的。换言之,根据类别先验概率和条件概率密度将模式空间划分成若干个子空间,在此基础上形成模式分类的判决规则。准则函数不同,所导出的判决规则就不同,分类结果也不同;使用哪种准则或方法应根据具体问题来确定。【实验内容】分别设计最小错误率的Bayes分类器和最小风险Bayes分类器,并对测试集进行分类,观察代价函数的设置对分类结果的影响; 【实验要求】理解基于Bayes决策理论的随机模式分类的原理和方法,掌握基于最小错误率的贝叶斯决策和基于最小风险的贝叶斯决策,并能够对贝叶斯规则给出具体的实现。【实验程序】最小错误率贝叶斯决策分类器设计 x=[-------------- -----]pw1=;pw2= e1=-2;a1= e2=2;a2=2 m=numel%得到待测细胞个数 pw1_x=zeros%存放对w1的后验概率矩阵 pw2_x=zeros%存放对w2的后验概率矩阵 results=zeros%存放比较结果矩阵 fori=1:m pw1_x=,e1,a1))/,e1,a1)+pw2*normpdf,e2,a2))%计算在w1下的后验概率 pw2_x=,e2,a2))/,e1,a1)+pw2*normpdf,e2,a2))%计算在w2下的后验概率 end fori=1:m ifpw1_x>pw2_x%比较两类后验概率 result=0%正常细胞 else result=1%异常细胞 end end a=[-5::5]%取样本点以画图 n=numel pw1_plot=zeros pw2_plot=zeros forj=1:n pw1_plot=,e1,a1))/,e1,a1)+pw2*normpdf,e2,a2))%计算每个样本点对w1的后验概率以画图 pw2_plot=,e2,a2))/,e1,a1)+pw2*normpdf,e2,a2))end figure holdon plot fork=1:m ifresult==0 plot,-,'b*')%正常细胞用*表示 else plot,-,'rp')%异常细胞用五角星表示 end; end; legend xlabel ylabel title gridon return; 实验内容仿真 x=[-,-,-,-,-,-,-,