Обработка данных в среде MATLAB

дачу можно решить с помощью следующей программы (использовано значение коэффициента коррекции 0.1).

clear c=0.1

A=load ('class_1.txt')

B=load('class_2.txt')

n=size(A) %оператор возвращает вектор, 1-я компонента

%которого – число строк, а 2-я – число столбцов nRows=n(1) % определение числа строк nColomns=n(2) % определение числа столбцов

for i=1:nRows % присоединение к матрицам А и В единичных

%столбцов

A(i, nColomns+1)=1

B(i, nColomns+1)=1

end

end

for i=1:2*nRows

proekc(i)=y(i,:)*w' % вычисление проекций матрицы

%данных на полученный w end

if min(proekc)>=0 % если все проекции положительны cont=0 % значение счетчика, при котором прекращается

%выполнение цикла while

end end

Задание

1.Провести анализ данных с помощью непараметрического метода классификации по алгоритму обучения с постоянным коэффициентом коррекции ошибок.

2.Найти допустимый весовой вектор, при котором ошибки классификации отсутствуют.

3.Сформулировать алгоритм классификации и оценить получаемые ошибки.

32

Порядок выполнения работы

1.Для двух массивов g1 и g2 c помощью метода главных компонент найти две первые главные компоненты объединенной матрицы данных. Создав переменную группировки g в пространстве полученных компонент построить диаграмму рассеяния gscatter. Сделать вывод относительно линейной разделимости классов.

2.Использовать процедуру последовательного обучения с коррекцией ошибок (алгоритм с постоянным коэффициентом С = 1). В качестве первого приближения весового вектора использовать нормализованный вектор разности средних значений двух классов.

3.По результатам обучения на полученный весовой вектор спроектировать оба класса и построить их гистограммы. Составить алгоритм распознавания заболеваний. Проверить значения ошибок классификации.

Содержание отчета

1.Название, цель и задачи работы.

2.Тексты программ и изображения графических окон, которые требовалось сохранять в ходе выполнения работы.

3.Объяснение полученных результатов и выводы.

32

Список рекомендуемой литературы

Айвазян С. А., Бежаева З. И., Староверов О. В. Классификация многомерных наблюдений. М.: Статистика, 1974.

Ануфриев И. Е. Самоучитель MATLAB 5.3/6.x. СПб.: БХВ-Петербург,

2004.

Дуда Р., Харт П. Распознавание образов и анализ сцен / Пер. с англ. М.:

Мир, 1976.

Дьяконов В. П. MATLAB 6: Учеб. курс. СПб.: Питер, 2001.

Дюк В., Эмануэль В. Информационные технологии в медико-биоло- гических исследованиях. СПб.: Питер, 2003.

Загоруйко Н. Г. Прикладные методы анализа данных и знаний. Новосибирск: Изд-во Ин-та математики, 1999.

Компьютерные технологии в медико-биологических исследованиях: Методические указания к лабораторным работам / Сост.: А. Н. Калиниченко. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2006.

Нильсон Н. Обучающиеся машины / Пер. с англ. М.: Мир, 1967.

Рангайян Р. М. Анализ биомедицинских сигналов. Практический подход / Пер. с англ. А. Н. Калиниченко под ред. А. П. Немирко. М.: Физматлит, 2007.

Ту Дж., Гонсалес Р. Принципы распознавания образов / Пер. с англ. под ред. Ю. И. Журавлева. М.: Мир, 1978.

33

34

Редактор Н. В. Лукина

––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

Подписано в печать 05.06.13. Формат 60×84 1/16. Бумага офсетная. Печать офсетная. Печ. л. 2,25.

Гарнитура «Times New Roman». Тираж 65 экз. Заказ .

––––––––––––––––––––––––––––––––––––––––––––––––––––––––––

Издательство СПбГЭТУ «ЛЭТИ» 197376, С.-Петербург, ул. Проф. Попова, 5

35