基于身高和拃长数据的性别分类研究

王泽昕陕西省商洛中学

基于身高和拃长数据的性别分类研究

王泽昕
陕西省商洛中学

本文以身高和拃长②数据为特征，对男女性别进行分类，采用的分类方法为最小错误率贝叶斯决策。本文统计了样本数为25时的决策分类详细结果，并研究了样本数为5～50时错误率的变化趋势。研究结果表明，以身高和拃长数据为特征时，能够较为有效地区分出男女性别，且当训练集样本数量逐渐增大时，错误率显现出逐渐减小的趋势。

性别分类；模式识别；贝叶斯决策；Matlab编程

1.引言

模式识别（也称模式分类）是指对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分，被广泛运用与文字识别、语音识别、指纹识别、遥感、医学诊断等领域。

性别分类是模式识别领域中广受关注的一个问题，它能体现男女性别在某些方面的差异，为人体生理学和心理学等方面研究提供理论基础和数据支持。目前，已有学者进行了人脸特征性别分类［1］［2］、社交媒体使用习惯的性别分类［3］、触觉经验性别分类［4］、基于语音的性别分类［5］、基于头发信息的性别分类［6］、基于步态的性别分类［7］等。

本论文将研究利用人体某些数值型的生理数据（身高与手掌长度）进行分类，以探索出性别分类的简易、方便的模型和方法，同时加深人们对男女性别与生理特征之间的关系的理解。……