Pattern Recognition Experiments

中国科大模式识别导论：linear-classifier, k-means clustering, EigenFace

中国科大模式识别2020秋实验

实验一 固定增量法求分界面

1. 已知二维模式样本集X1=[[1,0],[1,1],[0,2]],X2=[[2,1],[2,2],[1,3]] ，用感知器算法固定增量法求分界面方程，并作图;
2. 分别改变初始权向量和样本集中的样本顺序来获得不同的结果;
3. (选做)自定义线性不可分样本，通过限定算法迭代次数(如:100次)得到结果并分析;
4. 分析实验结果和所得结论，撰写实验报告。

实验二 利用误差平方和函数集群

1. 试就不同的初始划分，观察集群结果对初始划分的敏感性;
2. 比较各群样本都很密集并且彼此明显分开的情况与各群样本数目相差很大时，误差平方和集群效果，了解误差平方和准则函数集群的优势和缺陷;
3. (选做)试对算法进行适当改进使其可以对样本数目相差很大的情况进行集群，文字叙述改进思路;
4. 给出情况的图形结果，撰写实验报告。

实验三 EigenFace方法人脸识别

1. 熟悉常用特征降维方法，了解并阐释PCA降维的基本原理;
2. 熟悉Eigenface人脸识别的基本流程，利用Eigenface算法对训练集的样本进行训练，并进行人脸识别测试;
3. 分析结果，并对本征脸方法的优缺点进行分析;
4. 撰写实验报告。