模式识别课程的期末大作业

简介：
本课程的大作业是模式识别领域的一个实践项目，旨在帮助学生将课堂上学习到的理论知识应用到实际问题中，通过设计和实现具体的模式识别系统或算法，加深对模式识别技术的理解。 一、非参数估计法之Parzen窗估计与K最近邻估计 本实验的目的是学习Parzen窗估计和k最近邻估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有许多令人感兴趣的非参数化方法，Parzen窗估计和k最近邻估计就是两种经典的估计法。 二、支持向量机编程 1. 题目描述 1.1 线性分类 sp=[3,7; 6,6; 4,6;5,6.5] % 正样本点 sn=[1,2; 3,5;7,3;3,4;6,2.7] % 负样本点 加入两个不可分点进行软间隔分类。