matlab的判别分析广西某锰矿床已知两种不同锰矿石各项评价指标如下表所列.现新发现湖润锰矿床，初步定为氧化锰矿石，试用两类判别定其属性。类别序号 氧 化 锰 矿 石12341。1934。9935.6211.869.8410。560。1820.1780.26136.2227。8221.02 碳 酸 锰 矿 石12323。2125。0519。235.466。846.610.110.1340.13721.1727。326。61湖 润 锰 石(待判）123426.9325.4727.3828.9812。6610。2510.3810。980。1520.1320。1200.11130。2033.4631.2031.21Matlab执行代码：g1=41.19 11.86 0.182 36。22；34.99 9.84 0.178 27。82；35.62 10.56 0.261 21.02；g2=23。21 5。46 0.11 21.17；25。05 6。84 0.134 27。3;19。23 6。61 0。137 26。61；fprintf（做距离判别分析：n）fprintf（在两个总体的协方差矩阵相等的假设下进行判别分析：n)fprintf（两个样本的协方差矩阵s1，s2分别为n)s1=cov（g1)s2=cov（g2)fprintf(因为两个总体的协方差矩阵相等，所以协方差的联合估计s为：n)m1,n2=size(g1)；m2,n2=size（g2）;s=(（m1-1)*s1+（m2-1）*s2)/（m1+m22）fprintf（两个总体的马氏平方距离为：n）sn=inv（s）；u1=mean(g1）;u2=mean（g2);ucz=(u1-u2）；dmj=（u1u2）sn*uczfprintf(该值反映了两个总体的分离程度,线性函数的判别函数为：n）syms x1;syms x2;syms x3；syms x4；x=x1；x2;x3;x4;u1z=u1;u2z=u2;a1=(sn*u1z)；b1=(u1snu1z)/2;a2=（snu2z)；b2=(u2sn*u2z)/2；w1=vpa（a1xb1）,4)w2=vpa(（a2x-b2)，4)fprintf（用回代法作出误判率p1为:n）fprintf（比较gwh1和gwh2大小n）g=g1;g2；m，n=size(g）;for i=1:m ghdw1（i,:）=a1.g（i，：）； ghdw2(i，:)=a2.g（i，：)； gwh1（i）=sum（ghdw1(i,：）)-b1; gwh2(i)=sum(ghdw2（i,:)-b2; endgwh1gwh2fprintf(经比较得g1中1,2,3号判入g1；g2中1,2，3号判入g2，则误判率的回带估计为:n）p1=0fprintf(用交叉估计法确认距离判别的误判率：n)fprintf(依次剔除g1总体中1，2，3号样本是的判别函数值x1w1，x1w2为:）for I=1：3 xg1=g1； xg1(I,：)=； xs1=cov（xg1）； x1s=(xs1+2s2）/3；x1sn=x1s; xu1=mean(xg1); x1w1（I)=sum(x1snxu1)。*g1（I,:）)0.5*xu1*x1snxu1; x1w2（I）=sum(x1snu2）.*g1（I，:）)-0。5*u2*x1sn*u2；endx1w1x1w2for I1=1：3if(x1w1(I1)=x1w2(I1） zp1（I1)=1；endendzg1=sum(zp1）；fprintf(依次剔除g2总体中1，2，3号样本的判别函数值x2w1，x2w2为:）for J=1：3 xg2=g2； xg2（J,：）=; xs2=cov(xg2）; x2s=（2s1+xs2)/3；x2sn=x2s； xu2=mean(xg2)； x2w1（J）=sum(x2snxu2)。g2（J，：)）-0。5*u1x2snu1； x2w2(J)=sum（x2snxu2）。*g2（J,：)）0.5xu2x2snxu2；endx2w1x2w2for J1=1：3 if(x2w1(J1）=w2pb（k) fprintf（属于氧化锰矿石的样本序号是gn,k） endendfprintf（用贝叶斯判别法分析：n）fprintf（n在两个总体的协方差矩阵相等的假设下做贝叶斯判别：n)fprintf（n先验概率按比例分配求得总体g1,g2的先验概率分别为:n)bp1=m1/(m1+m2)bp2=m2/(m1+m2）fprintf(两个正态总体的贝叶斯判别为:n)bw1=w1+log（bp1)；bw2=w2+log(bp2）;fprintf(当两个总体的协方差矩阵，误判损失相同且先验概率按比例分配时距离判别与贝叶斯判别等价n）fprintf（计算广义平方距离函数：)syms bx；syms bx1；syms bx2；syms bx3；syms bx4；bx=bx1；bx2；bx3;bx4；bdp1=vpa(（bx-u1z）sn*（bx-u1z）-2log(bp1),4）bdp2=vpa（bxu2z)*sn*(bx-u2z）2*log(bp2），4）fprintf(后验概率pg1,pg2为:n)pg1=exp（-0。5*bdp1)/（exp(-0。5bdp1)+exp（-0.5bdp2）)pg2=exp(-0.5bdp2)/（exp(0。5bdp1）+exp（-0。5*bdp2）)fprintf(此时贝叶斯判别法则为:当pg1=pg2时，属于g1总体;当pg1pg2时，属于g2总体！n）fprintf(n贝叶斯判别的回带判别）for t=1：m bdg1（t)=（g(t,:)-u1z)*sn*（g(t，:）-u1z)-2*log（bp1）； bdg2(t）=(g（t,:)-u2z)*sn*(g(t,:)u2z)2log（bp2）; p1b(t）=exp（-0。5*bdg1（t）/(exp（-0。5*bdg1(t）)+exp(0。5*bdg2(t)）); p2b（t）=exp(-0.5bdg2(t)）/（exp(-0。5bdg1（t)）+exp（-0。5*bdg2(t）；endfprintf(回代g1，g2中六个样本,求得的后验概率为：n)p1bp2bfprintf(经比较得,误判率的回带估计bp为:n)bp=0fprintf(贝叶斯判别的交叉法确认误判率：n)fprintf(依次踢除g1总体中1，2，3号样本，所得的广义平方距离b1d1,b1d2为：）for T=1:3 bxg1=g1； bxg1(T，:)=; bju1=mean(bxg1); b1s1=cov（bxg1）；b1s=（b1s1+2s2）/3; bj1p1=2/5 ； bj1p2=3/5； b1d1（T）=（g1(T，:)bju1）b1s(g1(T,：）bju1）-2log（bj1p1）; b1d2（T)=（g1(T，：)u2)b1s*(g1（T,：)-u2)2log(bj1p2）； b1p1（T）=exp（0。5b1d1（T）)/（exp（-0。5*b1d1（T)）+exp（0。5b1d2（T); b1p2（T）=exp(0.5*b1d2（T)）/（exp(0.5*b1d1(T）+exp(-0.5b1d2(T）)）；endb1d1b1d2fprintf（依次剔除g2总体中1，2，3号样本，所得的广义平方距离b2d1，b2d2为：)for T1=1：3 if（b1d1(T1)=b2d2（V1）) b2zp(V1)=1; endendfprintf（由上比较贝叶斯判别时,交叉法确认的误判率为：)byp=(6-(sum(b1zp)+sum(b2zp）/6fpri