模式識別及其分類-資料下載頁
2025-03-03 08:30本頁面
【正文】 xsscT xx下一個樣本計算 s 繼續(xù)調(diào)整 w 模式識別與分類 LLM實例 數(shù)據(jù) 初值 ??????????????????????1111139。w樣品 v1 v2 v3 v4 v5 歸類 1 12 13 14 15 16 17 18 19 210 211 212 213 214 215 216 217 118 119 220 2甲狀腺病人與正常人5項指標及歸類 模式識別與分類 LLM實例 修正 w 不修正 ???? xws須修正 ????? xws 2xww c?? 239。222xxsc ??39。??????????????????????以后還需修正 1次，最終 ??????w判別 模式識別與分類 LLM實例 程序 clear。 close all。 Y= load(39。E:\bk\jshx\39。)。Y(:,1)=[]。 [n,p] = size(Y)。 cluster = Y(:,p)。 cluster = cluster*(2)+3*ones(n,1)。 %let symbol of first cluster=1 and second cluster=1 Y(:,p)=[]。 Y_std = Y(1:16,:)。 clu_std = cluster(1:16,:)。 Y_unk = Y(17:20,:)。 clu_unk = cluster(17:20,:)。 [n_std,p] = size(Y_std)。 [n_unk,p] = size(Y_unk)。 Part I 數(shù)據(jù)準備 w = ones(1,p)*(1)。 % 給初值， w設為行矢量 for i = 1:n_std s = w*Y_std(i,:)‘。 % s 是標量 if s*clu_std(i,1)0 c = (2)*s/(Y_std(i,:)*Y_std(i,:)39。)。 w = w+c*Y_std(i,:)。 end end II 訓練確定 w for i = 1:n_unk s = w*Y_unk(i,:)39。 fprintf(39。 For unknown sample No.:%\t39。,i)。 if s*clu_unk(i,1)0 fprintf(39。 the judgement is WRONG. \n39。)。 else fprintf(39。 the judgement is RIGHT. \n39。)。 III 判斷未知樣本 初值不同， w也不同 作業(yè) 1 重現(xiàn) TTFA法對 PAH的 HPLCDAD數(shù)據(jù)進行 是否存在的判斷。 作業(yè) 2 20個香煙理化指標的測定數(shù)據(jù)，前 10個樣本為雙喜，后 10個為中華。 1. 用 PCA對樣本分類，并評價各指標的重要性及相關(guān)性。 2. 用 LLM方法計算法向量，并對部分樣本進行預報。 E:\bk\jshx\data\
教學課件相關(guān)推薦
鄂ICP備17016276號-1