编程大作业代写 PRML Project（编程大作业）

PRML Project（编程大作业）

编程大作业代写 在二维的训练数据上，实现一个空间聚类算法（例如 K-Means，任何聚类算法均可）为每个元音训练单独的隐马尔可夫模型（每个元音单独聚类，然后分别学习 HMM，输 入是与每个 2D 点关联的聚类类别号）。对于每个测试数据，针对每个

说明：可以使用任何语言（如 C/C++, Java, Matlab, Python）完成此编程大作业。 Project 满分 100 分，鼓励完成主体部分（满分 70 分）后，尝试拔高题内容（满分 30 分）。 按照三个部分评分：代码实现(60%)、准确性(20%)、报告(20%)。  编程大作业代写

可以使用 MATLAB 或 Python 内置的 HMM，EM 相关函数，或者网上的代码（一定不要忘记 在所提交代码的开头写明代码的引用信息，否则按照抄袭处理）。

Project 分组：2 人一组，实验报告中要按照要求写清自己负责的部分并详细介绍。

题目：基于隐马尔可夫模型的笔势识别  编程大作业代写

1. 数据：project1-Data.zip。该数据集有 5 个文件，每个是一个元音字母的笔势。这些是 xml 文件，格式易读。以奇数索引条目作为训练数据，偶数作测试数据。

（注意：本 project 的拔高题之一是使用真实视频数据集，即第 7 题，如果您选择 7，则可  以不用笔势识别的数据，直接用 KTH 数据集即可。）

2. 在二维的训练数据上，实现一个空间聚类算法（例如 K-Means，任何聚类算法均可）


3. 为每个元音训练单独的隐马尔可夫模型（每个元音单独聚类，然后分别学习 HMM，输 入是与每个 2D 点关联的聚类类别号）。对于每个测试数据，针对每个 HMM 计算其对数

似然，即 log P(O|M)，并获取给出最高对数似然的 HMM 类别，即对测试数据进行分类 判别。给出混淆矩阵并描述你的发现。

4. 改变 2 中的聚类数量（变量 M）和 3 中隐藏节点的数量（变量 N）并计算分类准确率。 给出不同 M 和 N 取值下的混淆矩阵，并描述你的发现。  编程大作业代写

5. (拔高题 5 分) 实现动态时间规整算法（Dynamic Time Warping），并重复 1-4。


6. (拔高题 5 分—这个题目难度高，建议最后做) 学习一个 HMM 模型，该 HMM 可以使用维特比解码(Viterbi decoding)来执行分类（注意：本题目不是让你生成多个分类器并进 行分类判别，而是生成一个 HMM 模型，可以执行多个类别判别）。将分类准确率与题目 3 和 4 的结果进行比较，并描述你的发现。

7. (拔高题 20 分) 不用做笔势识别任务，在真实视频动作分类数据集上完成此编程大作业， 即步骤 1-6.

如果选择 7，则可以不用笔势识别的数据，直接用 KTH 数据集即可（下载地址: http://www.nada.kth.se/cvap/actions/）。KTH 是一个六分类数据集。使用此数据集会更有趣， 但也更具开放性，也比笔势数据集更具挑战性，因为你必须确定如何从视频中提出特征并用 于训练 HMM 模型。完成此 project 推荐您阅读以下文献：

1. Chapter 5 Hidden Markov Models. Gernot A. Fink, Markov Models for Pattern Recognition: From Theory to Applications, Springer, 2008 (ref1.pdf ).

2. Lawrence R. Rabiner, \A tutorial on hidden Markov models and selected applications in speech recognition," Proceedings of the IEEE, vol. 77, no. 2, pp. 257-289, Feb 1989 (ref2.pdf ). 请关注此论文的 Section V.A.

3. Chapter 4 Dynamic Time Warping. Meinard Mller, Information Retrieval for Music and Motion, Springer, 2007 (ref3.pdf).  编程大作业代写


4. 更多代写：cs代写    计量经济代考   机器学习代写      r语言代写 美国大学抄袭