H-K算法仿真报告（模式识别）.doc

发布时间：2022-05-29 发布人：admin 分类：说明书资料大小：0.14M 资料格式：doc 举报版权申诉

cao9110-1517586-4744302542895638990.doc.pdf-第1页.png

第1页 / 共6页

cao9110-1517586-4744302542895638990.doc.pdf-第2页.png

第2页 / 共6页

cao9110-1517586-4744302542895638990.doc.pdf-第3页.png

第3页 / 共6页

cao9110-1517586-4744302542895638990.doc.pdf-第4页.png

第4页 / 共6页

cao9110-1517586-4744302542895638990.doc.pdf-第5页.png

第5页 / 共6页

cao9110-1517586-4744302542895638990.doc.pdf-第6页.png

第6页 / 共6页

一、实验目的

二、实验内容和原理

1.内容：

2.实验原理：

三、实验说明

四、实验步骤

五、实验结果与分析

六．心得体会

本科实验报告实验名称： H-K 算法学员：曹务绅学号： 200604015014 培养类型：技术类年级：大三专业：信息工程所属学院：电子科学与工程学院指导教员：刘雨职称：高工实验室：实验日期：国防科学技术大学训练部制

一、实验目的通过 H-K 算法的编写，掌握线性分类器的训练与设计方法。二、实验内容和原理 1.内容：分析 H-K 算法，用 matlab 仿真。 2.实验原理：基本思想将准则函数视作矢量 w 和 b 的函数，在迭代过程中修正 w 的同时，也对 b 进行调整，运用最优化技术求得使准则函数取极小值的和 w*和 b*. 算法及步骤 1. b(k)的迭代公式为： ( b k 1)   ( ) k b    J ( )   b k ( b )  ( ) k β     1 误差矢量为 ( e k )  Xw ( k )  ( b ，调整矢量 ( β k ) k )    e ( k )  e ( k )   ，由广义逆法知 T w X X  ( ) 1 T   X b X b ；  X b 1)   w 的迭代公式为 ( w k 2. 算法流程图： ( k  1)   X b ( k )   X β ( k )

算法评价感知器算法和 W-H 法中，若只调整 w，余量矢量 b 是取定的常矢量，显然，使用那些算法所得到的 w 受 b 影响。如果 b 的某些分量取得不当，所求得的 w 可能不稳健，并且，b 选择不恰当还会影响收敛速度。H-K 算法是针对这种问题的一种改进。虽然伪逆 X 计算量较大，但是 H-K 中只要求计算一次，因此复杂度代价的增加是可以接受的。三、实验说明 1.实验平台： PC 系列计算机，WINDOW 操作系统，Matlab7.0 2.样本获取： 3.参数定义: 使用 matlab 的随机数发生器 rand 或 randn 函数。在程序代码中有详细的注释。四、实验步骤 1. 将原理中算法用 matlab 语言实现，其中，对于 H-K 的收敛终止条件，出于编程水平有限和计算机的截断误差的原因，作了一定的简化和修改。 a．若 e(k)所有分量为 0, 则停止，得 w*，这种情况下线性可分。由于截断误差的存在，即使在理论线性可分的条件下，也收敛不到 e(k)所有分量为 0，可以考

虑设置一个门限，低于这个门限的值认为是 0. b．若线性不可分的条件下，若 e(k)的负的分量停止变为正值或者各分量均为负值时终止。对于 b，我将迭代终止条件简化为：若 e(k)的各分量全为负值时终止，或者迭代次数超过设置的门限时终止。 2. 按照算法编程并调试。 3. 输出分类结果和分类界面。五、实验结果与分析 1. 首先生成 100 个训练样本，用 H-K 分类后得到界面。如下图所示：这是线性可分的情况。任意输入 100 个待分类的样本，分类输出如下：

对于线性不可分的情况，如下图所示，也能够顺利生成界面，但是会有误判的情况：当然，产生了界面后对输入的待分类样本仍能分类，但是准确性没有了保证，这时应该改进方法，采用分段二次准则法或者二次判别函数可以改善。 2. 因为时间比较紧张，只做了 2 类问题，多类问题较复杂，主要体现在 w(k) 和 b(k)的调整上，要产生多个界面，以后可以扩展。

六．心得体会

分享到：

赞收藏

资料库

H-K算法仿真报告（模式识别）.doc

相关推荐

开发技术

热门标签

最新资料