本作业为清华大学模式识别课程中的重要实践环节,要求学生运用所学理论知识完成一系列复杂的图像处理和分析任务,旨在加深对模式识别技术的理解与应用能力。
1. 使用第一次作业中的数据作为训练集(不超过20+20个样本),以身高和体重为特征进行性别分类,构建SVM分类器,并在测试数据dataset1.txt上评估其性能。调整参数,在线性核和支持向量机中使用高斯核。
2. 利用一个较大的数据集(dataset2.txt)作为训练样本,基于正态分布假设估计概率密度,以身高和体重为特征构建最小错误率贝叶斯分类器,并写出相应的决策规则;将该分类器应用于dataset1.txt上计算测试误差(自行确定先验概率)。
3. 将所有样本与两次作业中得到的多个分类面绘制在由身高和体重组成的二维平面上,尝试进行分析讨论。也可以基于基本要求设计其他实验并整合结果以作进一步研究。