JJC's 테크니컬 다이어리

load data4_1K=2; %클래스 개수M=[mean(X1);mean(X2)]; %클래스별 표본평균의 계산S(:,:,1) = cov(X1); %클래스별 표본공분산 계산S(:,:,2) = cov(X2);smean= (cov(X1)+cov(X2))/2; %클래스별 표본공분산의 전체 평균 % 2차원 입력공간을 격자 형태로 나누어 입력 행렬을 만듦[x,y] = meshgrid([-2.5:0.2:5.5],[-2.5:0.2:5.5]);XY=[x(:),y(:)]; %입력 행렬의 각 점에 대해 2가지 베이지안 분류기의 분류결과 계산 for i=1:size(XY,1) for j=1:2 %모든 클래스에 동일한 공분산행렬을 가정한 경우의 판별함수 d2(j,1)=(XY(i,:)-M(j,:))*inv(smean)*(XY(i..

새롭게 주어진 데이터 x=[0,2] 에 대하여 클래스 공통 공분산행렬을 가정한 경우의 판별함수를 이용하여 어떤 클래스에 속하는지를 판단하기[소스 코드]load data4_1K=2; %클래스 개수M=[mean(X1);mean(X2)]; %클래스별 표본평균의 계산S(:,:,1) = cov(X1); %클래스별 표본공분산 계산S(:,:,2) = cov(X2);smean= (cov(X1)+cov(X2))/2; %클래스별 표본공분산의 평균 %새롭게 주어진 데이터X = [0,2] for j=1:2 %모든 클래스에 동일한 공분산행렬을 가정한 경우의 판별함수 d2(j,1)=(X(1,:)-M(j,:))*inv(smean)*(X(1,:)-M(j,:))';end [min2v,min2i]=min(d2); min2i % 클래스 ..

%데이터의 평균과 공분산을 계산load data4_1 %저장된 데이타를 불러옴m1 = mean(X1); % X1 의 평균 계산m2 = mean(X2); % X2 의 평균 계산s1 = cov(X1); % X1의 공분산 계산s2 = cov(X2); % X2의 공분산 계산save mean4_1 m1 m2 s1 s2; %계산된 각각의 평균과 공분산을 저장 m1 = -0.27437 -0.11152m2 = 5.0673 4.8289s1 = 3.20192 -0.70421 -0.70421 3.99836s2 = 3.20436 -0.27712 -0.27712 3.71525

Octave를 사용하여 분류를 위한 데이타 생성하는 예제 입니다.C1클래스는 평균 (0;0) 공분산 (4 0;0 4)C2클래스는 평균 (5;5) 공분산 (4 0;0 4) 를 갖도록 데이타를 생성합니다. %100개의 샘플을 만듭니다.N=100; % 각 클래스의 데이터 개수%repmat (A, M, N) 함수 : 매트릭스 구성을 위하여 활용.%A 행렬을 각 요소로 복사하여, M x N 크기의 블록 행렬을 구성하여 반환하는 함수m1=repmat([0,0],N,1); %클래스 C1의 평균을 가지는 행렬 m1m2=repmat([5,5],N,1); %클래스 C2의 평균을 가지는 행렬 m2s1=[4 0;0 4]; %클래스C1의 공분산 행렬s2=[4 0;0 4]; %클래스C2의 공분산 행렬% randn 함수: Octa..