本文在MATLAB平台上对最小错误率贝叶斯决策和最小风险贝叶斯决策进行测试，比较和分析了实验结果。

传统的赤潮藻鉴定主要依赖经验丰富的藻类专家依据种的生物形态学特征在显微镜下通过人工目视判读、分类，该方法存在专业水平高、分类人员断层、耗时费力等问题。基于赤潮藻类细胞生物形态学分类特征，通过对藻类细胞3种细节特征(有无角毛、横纵沟、尖顶刺)进行有效的自动提取和描述，提出了显微图像自动分类识别的思想。设计三级两类分类器，建立树状判别体系，将大样本集有效划分为小样本集，构建赤潮藻显微图像自动诊断识别系统，结果表明：多级分类器的设计思想减少了训练时间，提高了识别准确率。

最小风险贝叶斯和最小错误贝叶斯对细胞进行分类。 现有一系列待观察的细胞，其观察值为 x ：-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 1.根据最小错误率贝叶斯决策，利用 Matlab 完成分类器的设计。 1）写出相应程序语句的文字说明； 2）程序设计过程中，要求有子程序的调用。 3）根据上述例题中的数据，画出后验概率的分布曲线以及分类的结果示意图。 2.根据最小风险贝叶斯决策，决策表如下。 1）请重新设计程序，画出相应的条件风险的分布曲线和分类结果,并比较两个结果。 2）在损失矩阵为 0-1 损失函数时，比较最小错误贝叶斯决策和最小风险决策的结果 是否一致。

已知两类分类问题，类别用ω1 和ω2 表示，每类的先验概率已知， P w(1)0.6，Pw(2)=0.4。这里样本向量的维数是 3 维。 ω1中数据向量 xx1=[x1, y1, z1]T，其数据点的坐标对应如下。 x1 = 0.2331 1.5207 0.6499 0.7757 1.0524 1.1974 0.2908 0.2518 0.6682 0.5622 0.9023 0.1333 -0.5431 0.9407 -0.2126 0.0507 -0.0810 0.7315 0.3345 1.0650 -0.0247 0.1043 0.3122 0.6655 0.5838 1.1653 1.2653 0.8137 -0.3399 0.5152 0.7226 -0.2015 0.4070 -0.1717 -1.0573 -0.2099 y1= 2.3385 2.1946 1.6730 1.6365 1.7844 2.0155 2.0681 2.1213 2.4797 1.5118 1.9692 1.8340 1.8704 2.29

已知有两个样本空间 1 2 和ω ω ，这些点对应的横纵坐标的分布情况是： x1=[1,2,4,1,5]; y1=[2,1,-1,-3,-3]; x2=[-2.5,-2.5,-1.5,-4,-5,-3];y2=[1,-1,5,1,-4,0]; 在二维空间样本分布图形如下所示。（plot(x1,y1,x2,y2)） 1、用 matlab 完成感知准则函数确定程序的设计。 2、请确定 sample=[(0,-3),(1,3),(-1,5),(-1,1),(0.5,6),(-3,-1),(2,-1),(0,1), (1,1),(-0.5,-0.5),( 0.5,-0.5)];属于哪个样本空间,根据数据画出分类的 结果。 3、请分析一下 ρ k 和对a(1) 于感知函数准则确定的影响，并确定当 ρ k =1/2/3 时， 相应的 k 的值，以及a(1) 不同时，k 值得变化情况。 4、根据实验结果请说明感知准则函数是否是唯一的，为什么？

有两个类别的样本 x 和 y，两类样本的分布规律服从正态分布，其均值和方差 分别为（2，2），（-2，4），每个类别里面分别有 100 个样本。可以利用下面阐述的 Matlab 程序产生上述数据。每一类的数据都是二维数据形式，若设数据格式为第一 行为横坐标，相应的下一行对应的是纵坐标请使用 k-近邻法判断下列 sample 中样本的分类情况 （-0.7303，2.1624），（1.4445，-0.1649），（-1.2587，0.9187），（1.2617，-0.2086），（0.7302， 1.6587） 1、要求用 Matlab 编程，来确定分类的情况，并以图形的方式表示出来。附 Matlab 程序以及对应程序说明。 2、分析k值的不同对分类的情况是否有影响，并把结果用图形的方式表示出来。 3、 请根据剪辑方法近邻的原理，对样本的空间进行剪辑，再确定上述样本点的 分类情况。并对两种分类结果进行分析（选作）。

MATLAB源程序5 基于BP_Adaboost的强分类器设计-公司财务预警建模.zip

Hadoop课程设计-基于Java和mapreduce实现的贝叶斯文本分类器设计; Hadoop课程设计-基于Java和mapreduce实现的贝叶斯文本分类器设计;

资源包含文件：课程论文报告word和PDF两个版本+源码及数据 本项目为一个Hadoop课程设计，使用Java语言和map/reduce实现贝叶斯文本分类器。项目的具体内容如下：1：用MapReduce算法实现贝叶斯分类器的训练过程，并输出训练模型； 2：用输出的模型对测试集文档进行分类测试。测试过程可基于单机Java程序，也可以是MapReduce程序。输出每个测试文档的分类结果； 3：利用测试文档的真实类别，计算分类模型的Precision，Recall和F1值。 详细介绍参考：https://blog.csdn.net/newlw/article/details/124984567

matlab 神经元网络分类器设计