最小平方误差算法（LMSE）

模式识别最小平方误差算法实验报告代码全及ppt展示

题目  最小平方误差算法（LMSE）

1．1 题目的主要研究内容

       （1）30组的主要任务描述：

利用课堂所讲授的最小平方误差算法，通过手动推演与python来

得到如下题目的最终结果

（2）：自己工作的主要描述：利用python进行推演，PPT制作

           

1．2 题目研究的工作基础或实验条件

软件环境：语言：python IDLE：pycharm 引用库：numpy

1．3 设计思想

利用 python 中自带的 numpy 库（一种开源的数值计算扩展），实现矩阵的相关运算，例如可计算伪逆矩阵；利用传统 while 循环和 if else 循环实现算法的迭代。

1．4 流程图

                                 -1e-4

           

                        flag=0         flag=1

1．5 主要程序代码

import numpy as np #调用 numpy 库

# 输入数据

w1 = np.array([[0, 0, 0, 1], [1, 0, 0, 1], [1, 0, 1, 1], [1, 1, 0, 1]])

w2 = np.array([[0, 0, 1, 1], [0, 1, 1, 1], [0, 1, 0, 1], [1, 1, 1, 1]])

w2 = -w2

b = np.array([1, 1, 1, 1, 1, 1, 1, 1])

c = 1

flag = 0 #设置线性可分时的标志位

X = np.concatenate((w1, w2), axis=0) #求出增广样本矩阵

XX = np.matmul(np.linalg.inv(np.matmul(X.transpose(), X)), X.transpose()) #求出伪逆矩阵

w = np.matmul(XX, b) #求出 W（1）

e = np.matmul(X, w) – b #求出 e

t = 0 #设置迭代次数从零开始

iteration =20 #设置最高迭代次数是 20

while 1:

temp = min(e) #e（

k）中最小值

temp1 = max(e) #e（

k）中最大值

if 0 > temp > -1e-4:

temp = 0

if temp > 1e-3:

deltab = e + abs(e) #迭代公式

b = b + c * deltab

w = w + c * np.matmul(XX, deltab)

e = np.matmul(X, w) - b

else:

if 1e-4 > temp >= 0:

break

else:

# 线性不可分

if temp1 < 0:

flag = 1

break

else:

# 趋近时迭代

deltab = e + abs(e)

b = b + c * deltab

w = w + c * np.matmul(XX, deltab)

e = np.matmul(X, w) - b