paoqiyuchun
2007-07-22, 18:09
那位高手帮忙做一下，感激不尽！
一 详述基于最小风险的的贝叶斯决策方法的基本原理及算法步骤.
二 详述非参数估计中的Kn一近邻估计法,并以其估计类条件概率密度P(X/Ws) (类概率密度P(Ws)=1/c ).
三 利用所估计的P(X/Ws),设计基于最小风险的贝叶斯决策方法的分类器.
四 编写相关的MATLAB仿真程序
五 仿真
1 样本类数大于2,样本特征向量维数等于2;
2 估计时各类样本书大于150个;
3 分类仿真样本数每类大于20个;
4 给出分类结果及其与真实值的对比分析.
要求:
. 1.所有叙述及实例(仿真)若可图示,必须画出图形;
2.附MATLAB原程序,并提供程序电子版,以便检查程序的运行效果
3.MATLAB原程序包括以下几部分:
注释
1 程序名(主程序名一律为Main);
2 程序功能说明;
3 输入输出变量名及其格式和意义;
4 若引用了自编的子程序(函数),还须说明该子程序名及其功能.
程序体
程序中每一功能块必须注释说明
关键命令行也必须注释说明
我的邮箱[email protected] 谢谢！！！
一 详述基于最小风险的的贝叶斯决策方法的基本原理及算法步骤.
二 详述非参数估计中的Kn一近邻估计法,并以其估计类条件概率密度P(X/Ws) (类概率密度P(Ws)=1/c ).
三 利用所估计的P(X/Ws),设计基于最小风险的贝叶斯决策方法的分类器.
四 编写相关的MATLAB仿真程序
五 仿真
1 样本类数大于2,样本特征向量维数等于2;
2 估计时各类样本书大于150个;
3 分类仿真样本数每类大于20个;
4 给出分类结果及其与真实值的对比分析.
要求:
. 1.所有叙述及实例(仿真)若可图示,必须画出图形;
2.附MATLAB原程序,并提供程序电子版,以便检查程序的运行效果
3.MATLAB原程序包括以下几部分:
注释
1 程序名(主程序名一律为Main);
2 程序功能说明;
3 输入输出变量名及其格式和意义;
4 若引用了自编的子程序(函数),还须说明该子程序名及其功能.
程序体
程序中每一功能块必须注释说明
关键命令行也必须注释说明
我的邮箱[email protected] 谢谢！！！