模式识别作业三 - kl变换(2)

(1).不考虑性别信息的特征提取

实验中不考虑类别信息，用FAMALE.TXT和MALE.TXT的数据作为本次实验使用的样本集，建立基于K-L变换的分类器，记录错误率，并与Fisher线性分类器的分类结果作比较。 表1

K-LFisher男误判为女女误判为男10484

不考虑性别信息的特征提取中，Fisher线性分类器略胜一筹

(2).利用类均值向量的特征提取

实验中考虑类别信息，设定男女先验概率分别为0.75和0.25，建立基于K-L变换的分类器，记录分类错误率并与Fisher线性分类器的分类错误率进行比较。 表2

K-LFisher男误判为女女误判为男10384

利用类均值向量的特征提取中，分类效果会受到先验概率的影响

七、实验心得

有了前两次的实验经验，这次的实验完成起来要熟络得多。我们先对之前学过的知识进行了

系统的回顾，对KL变换有了更深一步的了解，此外，我们在选取先验概率时，考虑到前面Fisher分类器采用的是0.75对0.25，所以为了减少工作量，我们依旧选取0.75对0.25，整个过程相比于前两次显得较为轻松。

第 5 页