Rfv1. Reconocimiento De Formas

J. M. Sotoca y J. S. Sánchez Garreta

RFV1. Reconocimiento de Formas
Boletín 2: Métodos no paramétricos
Duración: 3 horas El presente boletín consiste en el uso de técnicas no paramétricasutilizando para ello las PRTools de Matlab. Estas funciones se encuentran en la carpeta prtools dentro de la carpeta toolbox de Matlab. El boletín consiste en dos partes: 1. 2. Entrenamiento con diferentesclasificadores Edición y condensado

1. Entrenamiento con diferentes clasificadores
Se trata de obtener las fronteras de decisión utilizando para ello distintos clasificadores a partir de las basesde datos generados por las siguientes funciones: gendatb, gendatc, gendatd, gendatl y gendats. Los clasificadores a implementar serán: knnc (k-nearest neighbor classifier) con k=1, 3, 5, 7, 9,parzenc (Parzen classifier). Para ello, deberás utilizar una secuencia de órdenes del siguiente tipo: % número de puntos nPoints = 100; % genera la base de datos de banana close all, clc a =gendatb(nPoints); scatterd(a); w2 = knnc(a,1); % 1- Nearest neigbor classifier w3 = parzenc(a); % Parzen classifier plotc(w2,'b-'); plotc(w3,'g:'); legend('Class A','Class B','KNN','Parzen') title('gendatb()');Estima el error de clasificación entre un conjunto de entrenamiento y un conjunto test. Utiliza para ello los siguiente clasificadores: knnc, parzenc, naivebc y nbayesc. Este último deberás calcularpreviamente la media y la matriz de covarianza de las clases. Para ello, deberás utilizar la siguiente secuencia de órdenes: % Número de puntos nPoints = 1000; a = gendatd(nPoints); [tr,te] =gendat(a,nPoints/2) W1 = knnc(tr,1) W2 = parzenc(tr) W3 = naivebc(tr) [U,G] = meancov(tr) W4 = nbayesc(U,G) w1 = testc(te*W1) w2 = testc(te*W2) w3 = testc(te*W3) 1

J. M. Sotoca y J. S. Sánchez Garreta w4 =testc(te*W4)

2. Edición y condensado.
A partir de la base de datos gendatb, genera un conjunto editado utilizando la función edicon que realiza una edición MultiEdit. Deberás realizar diferentes...