D:\Utilisateurs\ChB\Matlab_c\COURS\ElemStatLearn\ElemStatLearn\TP
hb
Licence S3
TD « Statistique et reconnaissance de forme »
https://sites.google.com/site/mastermadocinfo/prepa
TD1 : PPV
1) Phase d’apprentissage : Il s’agit d’écrire un code MATLAB fournissant l’équivalent de la
Fig.2.2. L’échantillon d’apprentissage est le fichier mixture2D. Calculez les erreurs de
classements.
2) Phase de généralisation/test : L’échantillon de test est le fichier mixTest. Calculez les erreurs
de classements et faite une figure semblable à la Fig.2.4.
TD2 : Régression linéaire
1) Ecrire un code Matlab réalisant la régression linéaire « simple » permettant d’estimer une
droite bruitée, un sinus bruité, une parabole bruitée.
2) Utiliser la régression linéaire « multiple » afin d’obtenir l’équivalent de la Fig. 2.1.
3) Ecrire un code Matlab réalisant la régression linéaire « multiple » permettant une
classification automatique d’images de chiffres manuscrits : des « 2 » et des « 3 ».
TD3 : Régression linéaire locale
Considérer le fichier scatdata et réaliser le lissage par régression locale d’ordre 2.
TD4 : Détermination par validation croisée du nombre optimal de PPV
A réaliser sur les données scatdata
TD5 : Quantification vectorielle d’une image par l’algorithme K-means
A réaliser en utilisant VQ_qant_for_student_ZIP
1
/
1
100%
