鸟类观赏识别实验报告
浙江农林大学
实验室开放项目（2012—2013—2）鸟类分类与校园鸟类识别
姓名学号
学院专业
一、实验目的
鸟类种类众多，形态多样，是动物中数量较多的一类，对维护生态平衡具有重要的意义。通过室外调查浙江农林大学植物园不同区域、不同植被环境分布的不同鸟类类群，结合标本室内鸟类标本进行分类鉴定，识别不同类群的鸟类种类，了解植物园鸟类多样性的分布；同时通过室外鸟类调查来学习基本的观鸟方法和鸟类识别技巧，达到锻炼实验操作和实际动手的能力。
二、实验仪器与材料
1、仪器设备
双筒望远镜、单筒望远镜、相机、投影仪、笔记本电脑，不同型号规格解剖器材、标本瓶、硼酸、明矾、铁丝、脱脂棉、标签纸、野外记录本等。
2、材料
标本室各种类群鸟类拨制标本；各种类群鸟类分类、生态、识别、图片资料和观鸟手册等；各种校园野生鸟类。
三、实验内容、方法与步骤
（一）鸟类的形态特征
1、鸟类外形：鸟类身体呈纺锤形，体外被覆羽毛，具有流线型的外廓，从而减少了飞行中的阻力。头端具角质的喙，是啄食器官。喙的形状与食性有密切关系。颈长而灵活，尾骨退化、躯干紧密坚实、后肢强大，这些都是与飞行生活方式密切相关的：躯干坚实和尾骨退化有利于飞行的稳定；颈部发达可弥补前时变成翅膀后的不便；眼大，具眼睑及瞬膜可保护眼球。瞬膜是一种近于透明的膜，能在飞翔时遮覆眼球，以避免干燥气流和灰尘对眼球的伤害。鸟类瞬膜内缘具有一种羽状上皮，在地栖性的鸟类（如鸽与雉鸡）尤为发达，能借以刷洗灰尘；水禽及猛禽则很少。耳孔略凹陷，周围着生耳羽，有助于收集声波。夜行性鸟类（如猫头鹰）的耳孔极为发达。前肢变成翼，后肢具4趾，这是鸟类外形上与其它脊椎动物不同的显著标志。拇指通常向后，适于树栖握枝。鸟类足型的形态与生活方式有密切关系。尾段着生有扇状的正羽，称为尾羽，在飞翔中起着舵的作用。尾羽的形状与飞翔特点有关。
2、皮肤：鸟类皮肤的特点是薄、松、干、软，缺乏腺体。鸟类唯一的皮肤腺是一对或单个的尾脂腺，由导管开口于尾背方的乳头状突起上，能分泌油脂以保护羽毛不致变形，并可防水。
鸟类的皮肤外面具有由表皮所衍生的角质物，如羽毛、角质喙、爪和鳞片等。鸟羽就是在爬行类角质鳞的基础上，由于适应飞翔而产生的变异。羽毛只是着生在体表的一定区域。有羽毛的地方，称羽区，不着生羽毛的地方，称裸区，羽毛的这种着生方式，有利于飞翔时肌肉的收缩。
3、骨骼：薄、轻、坚固，具有气质骨。
骨骼分为中轴骨和附肢骨两部分。中轴骨又分为头骨、脊柱、肋骨和胸骨；附肢骨包括前肢骨和后肢骨。
a、脊柱及胸骨
脊柱由颈椎、胸椎、腰椎、荐椎及尾椎五部分组成。颈椎数量较多，颈椎的特点是活动性很大，其椎体呈马鞍型。鸟类的第一枚颈椎呈环状，称为寰椎，第二枚颈椎称为枢椎。寰椎可与头骨一起在枢椎上转动，而且椎间关节活动性极大，大大提高了头部的活动范围。鸟头能转动180度，某些鸮形目的鸟头甚至能转动270度。
胸椎5～6枚，借硬骨质的肋骨与胸骨联结，构成牢固的胸廓。肋骨借钩状突彼此相关连，这与飞翔生活有密切联系。多数鸟类胸骨中线处有可增大胸肌固着面的龙骨突。胸椎、肋骨、胸骨与周围有关的肌肉共同组成胸廓。坚强的胸廓对于保证胸肌的剧烈运动和完成呼吸是十分必要的。
由少数胸椎、腰椎、荐椎以及一部分尾椎愈合而成的愈合荐骨(综荐骨)是鸟类特有的结构。愈合荐骨
与宽大的骨盘(髂骨、坐骨与耻骨)相愈合，使鸟类在地面步行时获得支持体重的坚实支架。现代鸟的尾椎数目减少，最后几枚尾骨愈合成一块尾综骨，以支撑扇形的尾羽。鸟类脊椎骨骼的愈合以及尾骨退化，就使躯体重心集中在中央，有助于在飞行中保持平衡。
b、头骨
鸟类的头骨基本上与爬行类相似，具有单一的枕骨髁，高颅型。脑颅的骨片薄，而且彼此愈合成一个整体，骨内为蜂窝状的充气结构，颅骨轻而坚固。上下颌无齿，并延长成喙。鸟喙外具角质鞘，构成锐利的切缘或钩，是鸟类的取食器官。现代鸟类均无牙齿，这也是对减轻体重的适应。鸟类的眼窝很大，眶间隔明显而发达，它是一个以中筛骨为主构成的垂直薄骨片，隔离开左右两眼窝。
c、带骨及肢骨
鸟类带骨和肢骨也有愈合及变形现象，这也是对飞行生活的适应。
肩带由肩胛骨、乌喙骨和锁骨构成。三骨连接处构成肩臼，与翼的肱骨相关节。锁骨细长，两侧锁骨在胸前呈“V”字形连合，具有弹性，称叉骨。是鸟类特有的结构。它能在鼓翼时阻碍左右乌喙骨的靠拢，起着横木的作用，也能增强肩带的弹性。失去飞翔能力的平胸鸟类，锁骨退化，而成为乌喙骨的一部分。前肢特化为翼，主要表现在腕骨、掌骨和指骨的愈合和消失现象，使翼的骨骼构成一个整体，振翅才能有力。腕骨、掌骨及指骨所着生的一列飞羽称初级飞羽，下臂部(尺骨)所着生的一列飞羽称次级飞羽。飞羽是飞翔的主要羽毛，它们的形状和数目(特别是初级飞羽)是鸟类分类学的重要依据。
腰带由髂骨，坐骨和耻骨3对骨愈合成薄而完整的骨片，并分别由髂骨部与愈合荐骨相愈合，共同形成对后肢的强有力的支持。鸟类的后肢强健，股骨与腰带的髋臼相关节。下腿骨骼有较大变化：腓骨退化成刺状，胫骨与一部分跗骨愈合成一块胫跗骨，跗骨与一部分蹠骨愈合成一块跗蹠骨。这种简化成单一的骨块关节以及这两块骨骼的延长，能增加起飞和降落时的弹性。大多数鸟类均具4趾，拇趾向后，以适应于树
栖握枝。鸟趾的数目及形态变异是鸟类分类学的依据。
4、肌肉:鸟类的肌肉系统和特殊飞翔生活方式相联系的。鸟类的肌肉系统具有以下特点：
a、与飞翔振翼有关的胸肌特别发达，胸小肌使翼扬起，胸大肌使翼下扇。
b、躯干背部的肌肉不发达。
c、腿部的肌肉比较发达，具有适于树栖握枝的肌肉装置。
d、具有特殊的鸣管肌肉，可支配鸣管改变形状而发出多变的声音。
e、皮肌发达。
5、消化:新陈代谢旺盛，消化力强，消化过程十分迅速，粪便随时排出体外，从而减轻身体的重量。
消化系统包括消化道和消化腺两部分。
消化道区分为以下各部：喙、口腔、咽、食道、嗉囊、胃(腺胃、肌胃)、小肠(十二指肠、空肠、廻肠)、
盲肠、直肠和泄殖腔。消化腺包括肝脏和胰脏。
现代鸟类无牙齿，具有角质喙。大多数鸟类的舌均覆有角质外鞘，舌的形态和结构与食性和生活方式
有关，取食花蜜鸟类的舌有时呈吸管状或刷状：啄木鸟的舌具倒钩，能把树皮下的害虫钩出。某些啄木鸟
和蜂鸟的舌，借特殊的构造而能伸出口外甚远。
鸟类的食道具有较大的扩张能力，利于吞食。食道的基部膨大形成临时贮藏食物和能软化食物的嗉囊。
鸟类的胃分为腺胃和肌胃两部分。腺胃壁内富有腺体，可分泌粘液和消化液。肌胃又叫砂囊(鸡、鸽的肌胃
都很发达)，有很厚的肌肉壁，肌胃粘膜上皮有大量管状腺，它的分泌物和上皮细胞碎屑在粘膜表面形成了
一层黄色的类角质膜被覆在粘膜表面，并进行周期性更换。肉食性鸟类的肌胃不发达。
鸟类的直肠极短，不贮存粪便，且具有吸收水分的作用，有助于减少失水以及减轻体重的作用。在小
肠与大肠交界处着生有一对盲肠。盲肠具有吸水作用。直肠末端为肛门，肛门开口于泄殖腔。
肝脏和胰脏，它们分别分泌胆汁和胰液注入十二指肠帮助消化。
6、呼吸:具有气囊，双重呼吸。
鸟类肺与气囊的构造十分复杂，肺的体积相对较小，是一种海绵状缺乏弹性的结构。这种结构主要是由大量的细支气管组成。气囊是鸟类的辅助呼吸系统，主要由单层鳞状上皮细胞构成，有少量结缔组织和血管，它缺乏气体交换的功能。鸟类一般有9个气囊，分别是颈气囊（2个）、锁间气囊（1个）、前胸气囊（2个）、后胸气囊（2个）和腹气囊（2个）。
双重呼吸：当鸟类吸气时，有一部分新鲜气体进入肺内进行气体交换，另一部分新鲜气体进入后气囊贮存下来。当鸟类呼气时，肺内含二氧化碳多的气体通过前气囊排出，同时后气囊中所贮存的新鲜空气进入肺内进行气体交换。这种在吸气和呼气时都能进行呼吸作用的现象称为双重呼吸。。
气囊除了辅助呼吸以外，还具有减轻身体的比重，减少肌肉间以及内脏间的磨擦，作为快速热代谢的冷却系统等功能。
鸣管是鸟类的发声器官。由气管末端和两个初级支气管起始部位的内、外鸣膜形成。鸣管外侧附有特殊的鸣肌，鸣肌的收缩可以调节鸣膜的紧张程度，从而使鸣声发生变化。
7、循环系统:完全的双循环，心脏容量大，心率快，血压高。
a、心脏
鸟类的心脏约为体重的0.4～1.5％，相对大小是脊椎动物中最大的。心脏分二心房二心室。心房与心室已完全分隔(具左心房与左心室以及右心房与右心室)。心脏容量大，心率快，血压高。因而气体、营养物质及废物的代谢旺盛。这为鸟类的飞翔提供了充足的能量基础。
b、动脉
鸟类的动脉系统基本上继承了较高等的爬行动物的特点，但左侧体动脉弓消失，由右侧体动脉弓将左心室发出的血液输送到全身。
c、静脉
鸟类的静脉系统与爬行类基本上相似，但肾门静脉趋于退化。具尾肠系膜静脉，可收集内脏血液进入肝门静脉。尾肠系膜静脉为鸟类所特有。
8、感官:视觉器官发达。
鸟类具有较发达的神经系统。鸟类有12对脑神经。其主要的特点是： 1、纹状体高度发达。 2、小脑很发达。 3、视叶发达。 4、嗅叶很退化。
鸟类感觉器官中，视觉器官发达，在空中飞翔生活中起重要作用，为所有其他脊椎动物所不及，听觉和平衡觉器官也较发达，而嗅觉器官最不发达。
鸟类具有完善的视觉调节即双重调节，可以迅速调整视力。这种双重调节不仅能改变水晶体的形状以及水晶体与角膜间的距离，而且还能改变角膜的屈度，使鸟类能在一瞬间把扁平的“远视眼”调整为“近视眼”，这是飞翔生活所必不可少的条件，适于高速飞行。
9、生殖:鸟类生殖腺的活动，存在着明显的季节性变化。非繁殖季节，大多鸟类生殖腺变小或退化而在繁殖期生殖腺的体积可增大几百倍到近千倍。一般认为这也与适应于飞翔生活有关。雄性生殖系统基本上与爬行类相似，具有成对的睾丸和输精管，输精管开口于泄腔。绝大多数雌鸟仅具有左侧有功能的卵巢，右侧卵巢退化。左侧输卵管发达。输卵管根据结构和机能的不同，可分为5部分，即输卵管伞、蛋白分泌部、峡、子宫和阴道。
（二）鸟类的分类
1、动物分类原理
1）物种：在分类学上，鸟类都属于鸟纲，属于动物界 - 脊索动物门 - 脊椎动物亚门之下。现存鸟类都属于鸟纲下的今鸟亚纲，共3个总目，9000余种。
2）物种的鉴别
3）亚种：
4）动物的命名
2、鸟类分类系统
1）传统分类系统：综合形态学、生物地理学、生态学、行为学、胚胎学、古生物学的研究成果，对鸟类进行分类。分为古鸟亚纲和今鸟亚纲两个亚纲，现存的鸟纲都可以划入今鸟亚纲的三个总目：古颚总目、楔翼总目和今颚总目，我国现存的鸟类都属于今颚总目。古鸟亚纲包括始祖鸟，今鸟亚纲除了现存的三个总目外，还包括已经灭绝的齿颚总目。现存的鸟类可以分成27~30个目，160个左右的科。
古鸟亚纲：包括始祖鸟等中生代的原始鸟类，同时具有鸟类和爬行动物的特征。
今鸟亚纲：包括现存的所有鸟类和一些已经灭绝的早期鸟类。
古颚总目：即走禽，不会飞或不善飞，善于奔跑。
楔翼总目：即企鹅，不会飞而善于游泳。
今颚总目：包括绝大多数鸟类，多数可以飞行，我国只有这一总目的鸟类。
2）现代分类系统：利用用DNA交杂之分子生物学技术对鸟类的系统演化和亲缘关系进行研究
（三）野外观鸟工具
1、参考查询工具：鸟类识别图鉴、鸟类野外手册、鸟类折页、鸟类分类、生态、地理工具书；
2、交通联络工具：车辆、定位仪、电话；
3、记录工具：笔记本、铅笔、相机、摄象机、录音机、话筒；
4、观察工具：望远镜、摄象机；
A望远镜的使用
双筒望远镜的使用：在使用望远镜的时候，要先调节望远镜两个镜筒距离，直到两眼看到的图象合成一个圆为止，然后慢慢旋动调焦轮，直到左眼清晰，再慢慢旋动右目镜，直到右眼也清楚为止。
这个动作的目的是让望远镜适应两眼视力差。记住右目镜位置，保持不变。再观察不同距离目标时直接旋调焦轮就可以！一般望远镜可以矫正500度老化到500度近视，在这个视力范围内，可以不戴眼镜直接通过望远镜观测，如果需要戴眼镜，请将目镜上的橡胶罩翻折下来，或者将目镜罩旋到最低位置，这样才能看清整个视场，千万不要使用望远镜直接观察太阳，会对眼睛造成极大的伤害。
单筒望远镜的使用：1、用主眼看望远镜，同时张开另外一只眼，这样可以及时修正望远镜的指向，而且减弱眼睛肌肉的疲劳。
2、千万不要单手使用望远镜，使用单筒望远镜时，不妨采用持枪的方法，双手一前一后，从下方握住镜筒，慢慢旋动调焦轮，直到视野清晰。
B 鸟类野外识别图鉴
（四）观鸟方法与识别技巧
1、观鸟的形式
野外观鸟
庭院观鸟
动物园、鸟语林
笼鸟观赏
2、野外观鸟的基本方法
1）观鸟类型：行走观鸟、定点观鸟
2）观鸟的天气与时机
3）观察与记录
3、野外观鸟的原则：
1．到野外观鸟时，不要穿戴颜色鲜亮的衣帽，因鸟类视觉敏锐，容易被惊扰；还应该保持安静，不要喧哗。
2．野外观鸟要有组织地结伴而行，注意安全，同时向有经验的观鸟者学习。
3．拍摄鸟类采用自然光，不可使用闪光灯，以免惊吓它们。
4．爱护环境，不攀折花木，不乱抛垃圾。
5．尊重鸟的生存权，不要采集鸟蛋、捕捉野鸟。
6.赏鸟，是赏自然界中野生鸟类，不赏笼中鸟。
7.发现特别鸟种的栖息地或育雏地时，请守口如瓶，且谨记不干扰原则，勿告诉第二人，不论他是否为保护野鸟保护者。
8.不可过分追逐野生鸟类，因为有些鸟可能因气候因素，体能衰弱而暂时停栖某一地区，此时，他们急需休息调养，您的追逐行为，可能导致其步向死亡之途。
9.观鸟时，遇鸟类进行筑巢或育雏，切记“只可远观，不可近看”的原则，保持适当观赏距离，以免干扰亲鸟的行为，亲鸟受到干扰后，有可能会弃巢。
4、野外观鸟识别技巧
1）鸟体部位名称
2）鸟种主要识别特征
（1）形态特征
（2）生态特征
（3）声音特征
（五）校园鸟类识别与分类
1、游禽类：小
2、涉禽类：白鹭、池鹭
3、猛禽类：
4、鸠鸽类：珠颈斑鸠、
5、攀禽类：斑姬啄木鸟
6、鸣禽类：麻雀大山雀短尾鸦雀八哥灰头鹀北红尾鸲红胁蓝尾鸲乌鸫白鹡鸰
家燕丝光椋鸟棕头鸦雀红头穗鹛黑尾蜡嘴雀灰头鹀
四、实验结果
1：麻雀
一般麻雀体长为14cm左右，雌雄形、色
非常接近。喙黑色，呈圆锥状；跗跖为浅
褐色；头、颈处栗色较深，背部栗色较浅，
饰以黑色条纹。脸颊部左右各一块黑色大
斑，这是麻雀最易辨认的特征之一，肩羽有
两条白色的带状纹。尾呈小叉状，浅褐色。
幼鸟喉部为灰色，随着鸟龄的增大此处颜色
会越来越深直到呈黑色。幼鸟雌雄极不易辨认，成鸟则可通过肩羽来加以辨别，雄鸟此处为褐红，雌鸟则为橄榄褐色，麻雀多活动在有人类居住的地方，性极活泼，胆大易近人，但警惕却非常高，好奇心较强。多营巢于人类的房屋处，如屋檐、墙洞，有时会占领家燕的窝巢，在野外，多筑巢于树洞中。
2 ：家燕
一种夏候鸟，喙短而宽扁，基部宽大，呈倒三
角形，上喙近先端有一缺刻；口裂极深，嘴须
不发达。翅狭长而尖，尾呈叉状，形成“燕尾”，
脚短而细弱，趾三前一后。主要特点是上体发
蓝黑色，还闪着金属光泽，腹面白色，前额深
栗色。体态轻捷伶俐，两翅狭长，飞行时好
象镰刀，尾分叉象剪子。飞行迅速如箭，忽上
忽下，时东时西，能够急速变换方向。常可见
到它们成对地停落在村落附近的田野和河岸的树枝上，在电杆和电线上，也常结队在田野、河滩飞行掠过。飞行时张着嘴捕食蝇、蚊等各种昆虫。鸣声尖锐而短促。
3：八哥八哥为鸟纲雀形目椋鸟科八哥属鸟类的通称。额羽甚多，形特延长而竖立，与
头顶尖长羽毛形成巾帻；头侧或完全披羽，或
局部裸出。两性相似。共有6种。普通八哥通
体黑色，嘴基上羽额耸立，形成羽帻；头顶、
颊、枕和耳羽具绿色金属光泽；上体余部沾褐；
初级飞羽基部和初级覆羽先端白色，形成大型
白色翼斑；尾羽黑色，除中央尾羽外，均具白
端。下体灰黑色，尾下覆羽黑而具白端。栖
居平原的村落、田园和山林边缘，性喜结群，
常立水牛背上，或集结于大树上，或成行站在屋脊上，每至暮时常呈大群翔舞空中，噪鸣片刻后栖息。夜宿于竹林、大树或芦苇丛，并与其他椋鸟或乌鸦混群栖息。
4：白鹡鸰全长约18厘米，翼展31厘米，
体重23克。体羽为黑白二色，额头顶前部和脸白
色，头顶后部、枕和后颈黑色。背、肩黑色或灰
色，飞羽黑色。翅上小覆羽灰色或黑色，中覆羽、
大覆羽白色或尖端白色，在翅上形成明显的白色
翅斑。尾长而窄，尾羽黑色，最外两对尾羽主要
为白色。颏、喉白色或黑色，胸黑色，其余下体白色。虹膜黑褐色，嘴和跗蹠黑色。栖息于村落、河流、小溪、水塘等附近，在离水较近的耕地、草场等均可见到。经常成对活动或结小群活动。以昆虫为食。觅食时地上行走，或在空中捕食昆虫。飞行时呈波浪式前进，停息时尾部不停上下摆动。繁殖期在3～7月，筑巢于屋顶、洞穴、石缝等处，巢由草茎、细根、树皮和枯叶构成，巢呈杯状。
5：强脚树莺体长约12厘米的暗褐色树莺。具形长的皮黄色眉纹，下体偏白而染褐黄，
尤其是胸侧、两肋及尾下覆羽。幼鸟黄色较多。
甚似黄腹树莺但上体的褐色多且深，下体褐色
深而黄色少，腹部白色少，喉灰色亦少。鸣
声为持续的上升音weee接爆破声chiwiyou。
也作连续的tack tack叫。藏于浓密灌丛，易
闻其声但难将其赶出一见。通常独处。
6：珠颈斑鸠
全长30公分左右，嘴暗褐色，脚紫红色。
头顶鼠灰色；後颈下部至颈侧黑色，有白
色斑点。背至尾羽灰褐色，尾羽外侧黑色，
末端白色。翼淡褐色，羽绿淡色。腹面为
淡葡萄紫色，胁略带灰色。常在晨昏时发
出似『咕--咕咕--咕--咕』之声。出现于平
地至低海拔平原、丘陵地带，城市中的校
园、公园、行道树林，也常见到它们的踪
影。
7：大山雀
大山雀属鸟纲、雀形目、山雀科，一般山雀科的
鸟体形都非常小，而大山雀体形较大，全长约有
14厘米长。头部、喉部呈黑色，与脸侧白斑及颈
背块斑成强对比；翼上有一道醒目的白色条纹，
一道黑色带沿胸中央而下，雄鸟胸带较宽。雌鸟
此纵纹较淡，易辨认。眼褐色，嘴和脚均为黑色。
中央一对尾羽深蓝色，羽干为黑色，其余尾羽蓝
黑色，飞羽黑褐色。大山雀善鸣叫，鸣声清脆悦耳，在野外可以依靠其特征性的鸣叫来区分，鸣唱变化较多并有不同含义，但无论何种鸣唱其基调为“仔嘿－仔仔嘿－仔仔嘿嘿”或“仔仔嘿嘿嘿”它在中国华北地区的土名“仔仔黑”和“黑子”就是来自它鸣唱的拟声。大山雀是一种栖息在山区和平原林间的鸟类，常光顾红树林、林园及开阔林。性活跃，多技能，时在树顶时在地面。成对或成小群。常栖息在山区和平原林间，在阔叶林和针叶林中都能听到它们清脆的叫声，夏季他们最高可以分布到海拔3000米的山区，冬季则向低海拔平原地区移动并结成小群活动。
8：白头鹎
白头鹎是雀形目鹎科的小型鸟类，体长17-22cm，
额至头顶黑色，两眼上方至后枕白色，形成一白色枕
环（两广亚种无此白环，头顶至枕全黑色），耳羽后
部有一白斑，此白环与白斑在黑色的头部均极为醒
目。上体灰褐或橄榄灰色具黄绿色羽缘。颏、喉白色，
胸灰褐色，形成不明显的宽阔胸带。腹白色具黄绿色
纵纹。性活泼，结群于果树上活动。有时从栖处飞行
捕食。是长江以南广大地区中常见的一种鸟，多活动
于丘陵或平原的树本灌丛中，也见于针叶林里。性活
泼、不甚畏人。杂食性，既食动物性食物，也吃植
物性食物。常呈3-5只至10多只的小群活动，冬季有
时亦集成20-30多只的大群。一般不做长距离飞行。善鸣叫，鸣声婉转多变，伴有颤音。叫声一般为“qiang-ding ding-qiang”。
9：乌鸫
乌鸫身长24- 25 cm，翼展
34-38.5 cm，体重80 -110 g，寿
命16 年。雄鸟全身大致黑色，上
体包括两翅和尾羽是黑色。下体
黑褐，色稍淡，颏缀以棕色羽缘，
喉亦微染棕色。嘴黄，眼珠呈橘
黄色，羽毛不易脱落，脚近黑色。
嘴及眼周橙黄色。雌鸟较雄鸟色
淡，喉、胸有暗色纵纹，栖息于
林地、村镇边缘，平原草地或园
圃间，常结小群在地面上奔驰，亦常至垃圾堆及厕所等处找食。栖落树枝前常发出急促的“吱、吱”短叫声，歌声嚎亮动听，并善仿其他鸟鸣。胆小，眼尖，对外界反应灵敏，夜间受到惊吓时会飞离原栖地。主食各种昆虫幼虫、蚂蚁、淡水螺、蟑螂等，也吃樟籽（食后将籽核吐
出）、榕果等果实，以及杂草种子等植物。
10：池鹭
池鹭体长约47厘米，雄性成鸟：
繁殖羽：喉白，头顶、羽冠、颈
侧均为栗色，背羽黑色并延伸呈
蓑羽状，胸部紫栗色，腰、腹、
翅、尾均白色。冬羽：头顶、颈
侧及胸部具黑褐色纵条纹，背羽
棕褐色。雌性成鸟：与雄性成鸟
近似，但头、颈及前胸的栗色稍
浅。幼鸟：头和颈黑褐色，具土
黄色纵纹，肩背棕褐色，腰、翅、
下体及尾羽白色。虹膜金黄色，眼先裸部黄绿色，嘴黄色、端部黑，跗蹠及趾浅黄色。是一种涉禽，嘴强，头、颈及上胸的羽毛延长，繁殖期羽衣变化大，且冠羽延伸呈矛状，圆尾，尾羽12枚，跗蹠粗壮，与中趾(连爪)几乎等长。脚和趾均细长，胫部部分裸露，脚三趾在前一趾在后，中趾的爪上具梳状栉缘。雌雄同色。体形呈纺锤形，体羽疏松，具有丝状蓑羽。以动物性食物为主，包括鱼、虾、螺、蛙、泥鳅、水生昆虫、蝗虫等，兼食少量植物性食物。常与夜鹭、白鹭、牛背鹭等一起组成巢群，在竹林、杉林等林木的顶处营巢。性不甚畏人。白昼或展昏活动。以水种生物为食，包括鱼、虾、蛙及昆虫等，兼食蛇类、软体动物及小型啮齿类。常站在水边或浅水中，用嘴飞快地攫食。通常无声，争吵时发出低沉的呱呱叫声。
五、讨论分析
通过四天的鸟类观察与识别课通过增加了我对野外鸟类的观察识别能力，通过观察各种鸟类，从它的外形特征、羽色、鸣声，已经能初步判断出它是哪一类的鸟，再查阅一些鸟类图谱，对照特征描述，对所观察到的鸟一一识别。此次实验选修课不仅让我认识了更多的鸟类，更可贵的是吸引了我对鸟类观察的兴趣，相信如果长期的积累会逐渐认识更多自己先前从不认识的鸟类，久而久之不需要图鉴也能凭借叫声形态知道鸟得名字。虽然只有几次观鸟课，但就这短短的几堂课让我们亲近了自然，使我们身心得以放松，当我们置身林荫小道，看到那些鲜活的鸟儿像自然的精灵一般游走于校园里，开始感觉到这个平时上课学习的地方其实是一个那么充满生气充满鸟语花香的世界。观鸟可以说是一种学习与快乐并存的事情，让我们亲身体验观察自然，观察鸟类，同时也让我们处于长期处于亚健康的身体得到舒缓得到放松，可谓一举两得。对鸟类的认识就像对自然的理解是永远都没有止境的，如今我对于这些鸟们已经充满无限的热爱了。观鸟，不仅仅是一种欣赏，一种内心需要的满足，还是一种分享。通过我们的眼睛与双手，向人们传达鸟的美，让所有人在欣赏的同时，还要明白要用心去怜爱它们，去保护它们的生存环境，去合乎这种美。这样的美，便是一种心声，一种共鸣，一种爱的升华。
模式识别实验报告
模式识别实验报告
————————————————————————————————作者：————————————————————————————————日期：
实验报告 实验课程名称：模式识别 姓名：王宇班级： 20110813 学号： 2011081325 实验名称规范程度原理叙述实验过程实验结果实验成绩 图像的贝叶斯分类 K均值聚类算法 神经网络模式识别 平均成绩 折合成绩 注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合 2014年 6月
实验一、 图像的贝叶斯分类 一、实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 二、实验仪器设备及软件 HP D538、MATLAB 三、实验原理 概念： 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。 最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数可用下式表示为
模式识别第二次上机实验报告
北京科技大学计算机与通信工程学院 模式分类第二次上机实验报告 姓名：XXXXXX 学号：00000000 班级：电信11 时间：2014-04-16
一、实验目的 1．掌握支持向量机（SVM）的原理、核函数类型选择以及核参数选择原则等； 二、实验内容 2.准备好数据，首先要把数据转换成Libsvm软件包要求的数据格式为： label index1:value1 index2:value2 ... 其中对于分类来说label为类标识，指定数据的种类；对于回归来说label为目标值。（我主要要用到回归） Index是从1开始的自然数，value是每一维的特征值。 该过程可以自己使用excel或者编写程序来完成，也可以使用网络上的FormatDataLibsvm.xls来完成。FormatDataLibsvm.xls使用说明： 先将数据按照下列格式存放（注意label放最后面）： value1 value2 label value1 value2 label 然后将以上数据粘贴到FormatDataLibsvm.xls中的最左上角单元格，接着工具->宏执行行FormatDataToLibsvm宏。就可以得到libsvm要求的数据格式。将该数据存放到文本文件中进行下一步的处理。 3.对数据进行归一化。 该过程要用到libsvm软件包中的svm-scale.exe Svm-scale用法： 用法：svmscale [-l lower] [-u upper] [-y y_lower y_upper] [-s save_filename] [-r restore_filename] filename （缺省值：lower = -1，upper = 1，没有对y进行缩放）其中，-l：数据下限标记；lower：缩放后数据下限；-u：数据上限标记；upper：缩放后数据上限；-y：是否对目标值同时进行缩放；y_lower为下限值，y_upper为上限值；（回归需要对目标进行缩放，因此该参数可以设定为–y -1 1 ）-s save_filename：表示将缩放的规则保存为文件save_filename；-r restore_filename：表示将缩放规则文件restore_filename载入后按此缩放；filename：待缩放的数据文件（要求满足前面所述的格式）。缩放规则文件可以用文本浏览器打开，看到其格式为： y lower upper min max x lower upper index1 min1 max1 index2 min2 max2 其中的lower 与upper 与使用时所设置的lower 与upper 含义相同；index 表示特征序号；min 转换前该特征的最小值；max 转换前该特征的最大值。数据集的缩放结果在此情况下通过DOS窗口输出，当然也可以通过DOS的文件重定向符号“>”将结果另存为指定的文件。该文件中的参数可用于最后面对目标值的反归一化。反归一化的公式为： （Value-lower）*（max-min）/(upper - lower)+lower 其中value为归一化后的值，其他参数与前面介绍的相同。 建议将训练数据集与测试数据集放在同一个文本文件中一起归一化，然后再将归一化结果分成训练集和测试集。 4.训练数据，生成模型。 用法：svmtrain [options] training_set_file [model_file] 其中，options（操作参数）：可用的选项即表示的涵义如下所示-s svm类型：设置SVM 类型，默
西交大模式识别实验报告
模式识别实验报告 姓名： 班级： 学号： 提交日期：
实验一 线性分类器的设计 一、 实验目的： 掌握模式识别的基本概念，理解线性分类器的算法原理。 二、 实验要求 （1）学习和掌握线性分类器的算法原理； （2）在MATLAB 环境下编程实现三种线性分类器并能对提供的数据进行分类； （3） 对实现的线性分类器性能进行简单的评估（例如算法使用条件，算法效率及复杂度等）。 三、 算法原理介绍 （1）判别函数：是指由x 的各个分量的线性组合而成的函数： 00g(x)w ::t x w w w =+权向量阈值权 若样本有c 类，则存在c 个判别函数，对具有0g(x)w t x w =+形式的判别函数的一个两类线性分类器来说，要求实现以下判定规则： 1 2(x)0,y (x)0,y i i g g ωω>∈?? <∈? 方程g(x)=0定义了一个判定面，它把两个类的点分开来，这个平面被称为超平面，如下图所示。
（2）广义线性判别函数 线性判别函数g(x)又可写成以下形式： 01 (x)w d i i i g w x ==+∑ 其中系数wi 是权向量w 的分量。通过加入另外的项（w 的各对分量之间的乘积），得到二次判别函数： 因为 ，不失一般性，可以假设 。这样，二次判别函数拥有更多 的系数来产生复杂的分隔面。此时g(x)=0定义的分隔面是一个二阶曲面。 若继续加入更高次的项，就可以得到多项式判别函数，这可看作对某一判别函数g(x)做级数展开，然后取其截尾逼近，此时广义线性判别函数可写成： 或： 这里y 通常被成为“增广特征向量”(augmented feature vector)，类似的，a 被称为
鸟类相关知识
护林家族鸟类相关知识 一、鸟类知识简介 （一）生态习性 1鸟类的食性 鸟类的食性可分为肉食性、植食性杂食性三大类其中肉食性又可分为食肉类、食鱼类、食虫类和食腐类。 食肉鸟类：包括隼形目、鸮形目中的绝大多数以及少数其它鸟类如贼鸥等。这类鸟嘴呈钩状爪利两翅强健善飞其中多为捕食者食腐类严格地说也属于这类。 隼形目（猎隼） 鸮形目（猫头鹰） 蓝翡翠（佛法僧目） 鹬（鸻形目） 食鱼鸟类：种类极多主要为水鸟和海鸟捕猎方式也是千奇百怪。另外不少食软体动物和节肢动物的涉禽也属于这类。 食虫鸟类：为鸟类中最多的一类又以雀形目为最这类鸟通常飞行迅速而敏捷眼尖嘴快我曾亲眼看到我养的白头鹎雏鸟原地吃到飞过它身旁的苍蝇的情况。一般来说哺雏期间这类鸟会大量捕食有害农林的昆虫所以这类鸟绝大多数为农林益鸟 植食性鸟类：这类鸟通常情况下吃植物种子、果肉和花蜜有些能储藏食物如松鸦等。左边这只乌鸫（雀形目）既食植物果子也食昆虫因此所谓植食性的鸟类多数并非严格的只吃植物食物。但象蜂鸟这样的鸟类则是终生以花蜜为食的某些硬嘴鸟也是终生以植物为食这类属于狭食性鸟类有的甚至是专食性的。一般地说广食性的鸟类种群优势比狭食性的要大。 杂食性鸟类：其实许多食虫鸟类和植食性鸟类都可列入到这类中这类中最典型的是乌鸦只要是人能吃的它们都吃。左边是一种分布很广的乌鸦（雀形目）右边是麻雀（雀形目）。严格地说上页的乌鸫属于杂食性鸟而麻雀由属于植食鸟。 2、鸣啭鸟类的鸣啭 一次在湖北安陆一处洪荒山中流连一周多听到黄鹂的鸣啭声让我激动不已当时就对它们的鸣声做了一些记录在短短几天里发现至少有五种不同的叫法。可惜的是我不懂鸟声学无法理解那些有什么意义。不过我知道了为什么有些人会誉黄鹂为单簧演奏家了那声音的确太美了。 鸟鸣声可谓丰富多采有的单调简单有的千回百啭或让人陶醉或使人恐怖......鸣管简单的自然弄不出好的声音鸣管完整的但管膜和鸣肌缺乏也不行而鸣禽类无论是鸣肌还是管膜都很发达所以就能发出千差万别的鸣声了。
《模式识别》实验报告
《模式识别》实验报告 一、数据生成与绘图实验 1.高斯发生器。用均值为m，协方差矩阵为S 的高斯分布生成N个l 维向量。 设置均值 T m=-1,0 ?? ??，协方差为[1,1/2;1/2,1]； 代码： m=[-1;0]; S=[1,1/2;1/2,1]; mvnrnd(m,S,8) 结果显示： ans = -0.4623 3.3678 0.8339 3.3153 -3.2588 -2.2985 -0.1378 3.0594 -0.6812 0.7876 -2.3077 -0.7085 -1.4336 0.4022 -0.6574 -0.0062 2.高斯函数计算。编写一个计算已知向量x的高斯分布(m, s)值的Matlab函数。 均值与协方差与第一题相同，因此代码如下： x=[1;1]; z=1/((2*pi)^0.5*det(S)^0.5)*exp(-0.5*(x-m)'*inv(S)*(x-m)) 显示结果： z = 0.0623 3.由高斯分布类生成数据集。编写一个Matlab 函数，生成N 个l维向量数据集，它们是基于c个本体的高斯分布(mi , si )，对应先验概率Pi ,i= 1,……,c。 M文件如下： function [X,Y] = generate_gauss_classes(m,S,P,N) [r,c]=size(m); X=[]; Y=[]; for j=1:c t=mvnrnd(m(:,j),S(:,:,j),fix(P(j)*N)); X=[X t]; Y=[Y ones(1,fix(P(j)*N))*j]; end end
调用指令如下： m1=[1;1]; m2=[12;8]; m3=[16;1]; S1=[4,0;0,4]; S2=[4,0;0,4]; S3=[4,0;0,4]; m=[m1,m2,m3]; S(:,:,1)=S1; S(:,:,2)=S2; S(:,:,3)=S3; P=[1/3,1/3,1/3]; N=10; [X,Y] = generate_gauss_classes(m,S,P,N) 二、贝叶斯决策上机实验 1.(a)由均值向量m1=[1;1]，m2=[7;7]，m3=[15;1]，方差矩阵S 的正态分布形成三个等（先验）概率的类，再基于这三个类，生成并绘制一个N=1000 的二维向量的数据集。 (b)当类的先验概率定义为向量P =[0.6,0.3,0.1]，重复（a）。 (c)仔细分析每个类向量形成的聚类的形状、向量数量的特点及分布参数的影响。 M文件代码如下： function plotData(P) m1=[1;1]; S1=[12,0;0,1]; m2=[7;7]; S2=[8,3;3,2]; m3=[15;1]; S3=[2,0;0,2]; N=1000; r1=mvnrnd(m1,S1,fix(P(1)*N)); r2=mvnrnd(m2,S2,fix(P(2)*N)); r3=mvnrnd(m3,S3,fix(P(3)*N)); figure(1); plot(r1(:,1),r1(:,2),'r.'); hold on; plot(r2(:,1),r2(:,2),'g.'); hold on; plot(r3(:,1),r3(:,2),'b.'); end (a)调用指令： P=[1/3,1/3,1/3];
鸟类分目检索表
（1）脚适于游泳；有发达的蹼 (2) 脚适于步行；无蹼，或不发达 (8) （2）鼻呈管状.............................................................................................鹱形目--1鼻不呈管状 (3) （3）趾间具全蹼..........................................................................................鹈形目--2趾间不具全蹼 (4) （4）嘴通常扁平，先端具嘴甲；雄性具交接器......................................................雁形目--3嘴不扁平；雄性不具交接器 (5) （5）翅尖长；尾羽正常发达..............................................................................鸥形目--4翅短，或尖或圆；尾羽甚短 (6) （6）翅尖；无后趾..........................................................................................海雀目--5翅圆；后趾存在 (7) （7）向前三趾间具蹼.......................................................................................潜鸟目--6前趾各具瓣蹼（附的两侧附有叶状膜）.........................................................鸊鷉目--7（8）颈和脚均较短；胫部全部被羽；无蹼 (11) 颈和脚均较长；胫的下部裸出；蹼不发达 (9) （9）后趾发达，与前趾同在一个平面上，眼先裸出................................................鹳形目---8后趾不发达或完全退化，存在时位置亦较其他趾稍高，眼前常被羽 (10) （10）翅大都短圆，第1枚初级飞羽较第2枚短；眼先被羽或裸出；趾间无蹼，有时具瓣蹼..................................................................................................................鹤形目--9翅形尖或长或短，第1枚初级飞羽较第2枚长或等长（麦鸡属例外）；眼先被羽，趾间蹼不发达或缺......................................................................................................鸻形目--10（11）嘴爪均特强锐且弯曲；嘴基具蜡膜 (12) 嘴爪形或平直或仅稍曲；嘴基不具蜡膜（鸽形目例外） (14) （12）足呈对趾型，舌厚而且为肉质，尾脂腺被绒羽................................................鹦形目--11足不呈对趾型，舌正常，尾脂腺被羽或裸出 (13) （13）蜡膜裸出，两眼侧置，外趾不能反转（鹗属例外），尾脂腺被羽........................隼形目--12蜡膜被硬须掩盖，两眼向前，外趾能反转，尾脂腺露出..............................(鹗)鸮形目—13（14）三趾向前，一趾向后（有时无后趾），各趾彼此分离（除极少数外） (20) 趾不具上例特征 (15) （15）足大都呈前趾型，嘴短阔而平扁，无嘴须......................................................雨燕目—14足不呈前趾型，嘴强而不平扁（夜鹰目例外）常具嘴须 (16) （16）足呈异趾型..........................................................................................咬鹃目—15足不呈异趾型 (17) （17）足呈对趾型 (18) 足不呈对趾型 (19) （18）嘴强直呈凿状，尾羽通常坚挺尖出............................................................鴷形目—16嘴端稍曲，不呈凿状，尾羽正常...............................................................鹃形目—17（19）嘴长或强直，或细而稍曲，有时更具盔突，鼻不呈管状，中爪不具栉缘............佛法僧目—18嘴短阔，鼻通常呈管状，中爪具栉缘.........................................................夜鹰目—19（20）嘴基柔软，被以蜡膜，嘴端膨大而具角质（沙鸡除外）....................................鸽形目—20嘴全被角质，嘴基无蜡膜 (21) （21）后爪不比其它趾的爪长，雄者多具距…………………………………………………鸡形目—21后爪较他趾的爪长，无距………………………………………………………………雀形目—22
鸟类分目检索表
(1)..................................................................................................................................... 脚适于游泳；有发达的蹼 ...................................................................... ( 2) 脚适于步行；无蹼，或不发达............................................ ( 8) (2)................................................................................................................................ 鼻呈管状鹱形目--1 鼻不呈管状 (3) (3)................................................................................................................................ 趾间具全蹼鹈形目--2 趾间不具全蹼 (4) (4)嘴通常扁平，先端具嘴甲；雄性具交接器.................................. 雁形目--3 嘴不扁平；雄性不具交接器................................................ ( 5) (5)................................................................................................................................ 翅尖长；尾羽正常发达 ......................................................................... 鸥形目--4 翅短，或尖或圆；尾羽甚短............................................... ( 6) (6)翅尖；无后趾.......................................................... 海雀目--5 翅圆；后趾存在......................................................... ( 7) (7)................................................................................................................................ 向前三趾间具蹼潜 鸟目--6 前趾各具瓣蹼(附的两侧附有叶状膜) ...................................... 鸊鷉目--7 (8 )颈和脚均较短；胫部全部被羽；无蹼 ....................................... ( 11) 颈和脚均较长；胫的下部裸出；蹼不发达................................... ( 9) (9)后趾发达，与前趾同在一个平面上，...... 眼先裸出鹳形目---8
模式识别实验报告
实验一Bayes 分类器设计 本实验旨在让同学对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识，理解二类分类器的设计原理。 1实验原理 最小风险贝叶斯决策可按下列步骤进行： (1)在已知)(i P ω，)(i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x (2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a (3)对(2)中得到的a 个条件风险值)(X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的决策k a ，即 则k a 就是最小风险贝叶斯决策。 2实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=0.9； 异常状态：P （2ω）=0.1。
现有一系列待观察的细胞，其观察值为x ： -3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 已知类条件概率密度曲线如下图： )|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，0.25）（2,4）试对观察的结果进 行分类。 3 实验要求 1) 用matlab 完成分类器的设计，要求程序相应语句有说明文字。 2) 根据例子画出后验概率的分布曲线以及分类的结果示意图。 3) 如果是最小风险贝叶斯决策，决策表如下：
模式识别实验报告(一二)
信息与通信工程学院 模式识别实验报告 班级： 姓名： 学号： 日期：2011年12月
实验一、Bayes 分类器设计 一、实验目的： 1.对模式识别有一个初步的理解 2.能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识 3.理解二类分类器的设计原理 二、实验条件： matlab 软件 三、实验原理： 最小风险贝叶斯决策可按下列步骤进行： 1)在已知 ) (i P ω， ) (i X P ω，i=1,…，c 及给出待识别的X 的情况下，根据贝叶斯公式计 算出后验概率： ∑== c j i i i i i P X P P X P X P 1 ) ()() ()()(ωωωωω j=1,…，x 2)利用计算出的后验概率及决策表，按下面的公式计算出采取i a ,i=1,…，a 的条件风险 ∑== c j j j i i X P a X a R 1 )(),()(ωω λ,i=1,2,…,a 3)对(2)中得到的a 个条件风险值) (X a R i ,i=1,…，a 进行比较，找出使其条件风险最小的 决策k a ，即()() 1,min k i i a R a x R a x == 则 k a 就是最小风险贝叶斯决策。 四、实验内容 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为 正常状态：P （1ω）=； 异常状态：P （2ω）=。 现有一系列待观察的细胞，其观察值为x ： 已知先验概率是的曲线如下图：
)|(1ωx p )|(2ωx p 类条件概率分布正态分布分别为（-2，）（2,4）试对观察的结果 进行分类。 五、实验步骤： 1.用matlab 完成分类器的设计，说明文字程序相应语句，子程序有调用过程。 2.根据例子画出后验概率的分布曲线以及分类的结果示意图。 3.最小风险贝叶斯决策，决策表如下： 结果,并比较两个结果。 六、实验代码 1.最小错误率贝叶斯决策 x=[ ] pw1=; pw2=; e1=-2; a1=; e2=2;a2=2; m=numel(x); %得到待测细胞个数 pw1_x=zeros(1,m); %存放对w1的后验概率矩阵 pw2_x=zeros(1,m); %存放对w2的后验概率矩阵
模式识别实验报告_2
模式识别理论与方法 课程作业实验报告 实验名称：Generating Pattern Classes 实验编号：Proj01-01 规定提交日期：2012年3月16日 实际提交日期：2012年3月13日 摘要： 在熟悉Matlab中相关产生随机数和随机向量的函数基础上，重点就多元(维)高斯分布情况进行了本次实验研究：以mvnrnd()函数为核心，由浅入深、由简到难地逐步实现了获得N 个d维c类模式集，并将任意指定的两个维数、按类分不同颜色进行二维投影绘图展示。 技术论述：
1，用矩阵表征各均值、协方差2，多维正态分布函数： 实验结果讨论：
从实验的过程和结果来看，进一步熟悉了多维高斯分布函数的性质和使用，基本达到了预期目的。 实验结果： 图形部分： 图1集合中的任意指定两个维度投影散点图形
图2集合中的任意指定两个维度投影散点图形，每类一种颜色 数据部分： Fa= 9.6483 5.5074 2.4839 5.72087.2769 4.8807 9.1065 4.1758 1.5420 6.1500 6.2567 4.1387 10.0206 3.5897 2.6956 6.1500 6.9009 4.0248 10.1862 5.2959 3.1518 5.22877.1401 3.1974 10.4976 4.9501 1.4253 5.58257.4102 4.9474 11.3841 4.5128 2.0714 5.90068.2228 4.4821 9.6409 5.43540.9810 6.2676 6.9863 4.2530 8.8512 5.2401 2.7416 6.5095 6.1853 4.8751 9.8849 5.8766 3.3881 5.7879 6.7070 6.6132 10.6845 4.8772 3.4440 6.0758 6.6633 3.5381 8.7478 3.3923 2.4628 6.1352 6.9258 3.3907
鸟类分类大全word格式
鸟类分类大全(鸟纲) 1、古颚总目 鸵形目： 鸵鸟科：仅鸵鸟一种 美洲鸵目： 美洲鸵科：包括大美洲鸵和小美洲鸵两种 鹤鸵目： 鸸鹋科：仅鸸鹋一种 鹤鸵科：3种鹤鸵 无翼鸟目： 无翼鸟科：也叫几维、鹬鸵，4种 [共鸟]形目： [共鸟]科：分布于中南美的走禽，47种 2、楔翼总目 企鹅目： 企鹅科：分布于非洲、大洋洲、南美洲南部沿海和南极，18种企鹅3、今颚总目 潜鸟目： 潜鸟科：游禽，5种 鸊鷉目： 鸊鷉科：游禽，23种 鹱形目： 鹱科：大型海鸟，约70多种 信天翁科：大型海鸟，14种 海燕科：中型海鸟，21种 鹈燕科：中型海鸟，4种 鹈形目： 鹈鹕科：大型游禽，8种鹈鹕 鸬鹚科：游禽，39种 军舰鸟科：大型海鸟，5种 鲣鸟科：大型海鸟，9种 蛇鹈科：大型游禽，4种 鹲科：热带海鸟，3种 雁形目： 鸭科：种类最多一科游禽，包括鸭类、雁类和天鹅，约160种 叫鸭科：分布于南美的游禽，3种 鹳形目：（约115种） 鹭科：中型涉禽，包括鹭类和鳽，约60多种 鹳科：大型涉禽，17种 鲸头鹳科：仅鲸头鹳一种
锤头鹳科：仅锤头鹳一种 鹮科：包括鹮和琵鹭，约30多种 红鹳目： 红鹳科：即火烈鸟，介于鹳和鹤之间的一类涉禽，过去置于鹳形目，5种鹤形目：（约204种） 鹤科：大型涉禽，15种 三趾鹑科：中型涉禽，16种 秧鸡科：中小型涉禽，135种 鸨科：是现存最大的能飞的鸟，25种；该目还包括鹭鹤科、喇叭鹤科、领鹑科、叫鹤科、日鷉科、日鳽科、秧鹤科等 鸻形目：（约350种） 鹬科：中小型涉禽，87种 反嘴鹬科：中小型涉禽，包括反嘴鹬和长脚鹬，11种 蛎鹬科：11种蛎鹬 鸻科：包括部分鸻类和麦鸡，中小型涉禽，65种 鸥科：中小型海鸟，约20种 燕鸥科：中小型海鸟，约20种 海雀科：中型海鸟，20多种 该目还包括：瓣蹼鹬科、彩鹬科、石鸻科、燕鸻科、雉鸻科、鞘嘴鸥科等鸡形目：（约284种） 松鸡科：陆禽，包括雷鸟、松鸡、榛鸡等，17种 冢雉科：分布于东南亚、大洋洲的陆禽，20种 凤冠雉科：分布于中南美的大型陆禽，50种 珠鸡科：分布于非洲的陆禽，7种 雉科：包括雉类、鹧鸪、孔雀、鹑类等，约170余种 齿鹑科：分布于美洲的齿鹑类，31种 吐绶鸡科：2种吐绶鸡 麝雉目： 麝雉科：仅麝雉一种，分类有较多争议，过去置于鹃形目 沙鸡目：（约16种） 沙鸡科：中型陆禽，过去曾置于鸽形目鸽形目： 鸠鸽科：陆禽中的一个大科，约309种 鸮形目：（约205种） 草鸮科：草鸮、苍鸮等，16种 鸱鸮科：鸱鸮类。夜行姓猛禽，189种 隼形目：（约311种） 隼科：小型猛禽，包括隼类和美洲的卡拉鹰等，63种 鹰科：多为大型猛禽 可分为10个亚科： 蜂鹰亚科：蜂鹰、鹃隼等，13种 齿鹰亚科：齿鹰、啸鸢等，12 鹰亚科：雀鹰、苍鹰等，61种 鹞亚科：鹞类，17种 鸢亚科：鸢类，9种
北科大模式识别基础实验报告
学院：自动化学院班级： 姓名： 学号： 2014年11月
实验一 Bayes 分类器的设计 一、 实验目的： 1. 对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识； 2. 理解二类分类器的设计原理。 二、 实验条件： 1. PC 微机一台和MATLAB 软件。 三、 实验原理： 最小风险贝叶斯决策可按下列步骤进行： 1. 在已知)(i P ω，)|(i X P ω，c i ,,1 =及给出待识别的X 的情况下，根据贝叶斯公式计算出后验概率： ∑== c j j j i i i P X P P X P X P 1 ) ()|() ()|()|(ωωωωω c j ,,1 = 2. 利用计算出的后验概率及决策表，按下式计算出采取i α决策的条件风险： ∑==c j j j i i X P X R 1 ) |(),()|(ωωαλα a i ,,1 = 3. 对2中得到的a 个条件风险值)|(X R i α（a i ,,1 =）进行比较，找出使条件风险最小的决策k α，即： ) |(m i n )|(,,1X R X R k c i k αα ==， 则k α就是最小风险贝叶斯决策。 四、 实验内容： 假定某个局部区域细胞识别中正常（1ω）和非正常（2ω）两类先验概率分别为： 正常状态：)(1ωP =0.9； 异常状态：)(2ωP =0.1。 现有一系列待观察的细胞，其观察值为x ： -3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531
-2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 )|(1ωx P )|(2ωx P 类条件概率分布正态分布分别为（-2，0.25）（2,4）。决策表为011=λ(11 λ表示 ) ,(j i ωαλ的简写)，12λ=6, 21λ=1，22λ=0。 试对观察的结果进行分类。 五、 实验程序及结果： 试验程序和曲线如下，分类结果在运行后的主程序中： 实验程序： x= [-3.9847 -3.5549 -1.2401 -0.9780 -0.7932 -2.8531 -2.7605 -3.7287 -3.5414 -2.2692 -3.4549 -3.0752 -3.9934 2.8792 -0.9780 0.7932 1.1882 3.0682 -1.5799 -1.4885 -0.7431 -0.4221 -1.1186 4.2532 ] pw1=0.9 ;pw2=0.1 e1=-2; a1=0.5 e2=2;a2=2 m=numel(x) %得到待测细胞个数 pw1_x=zeros(1,m) %存放对w1的后验概率矩阵 pw2_x=zeros(1,m) %存放对w2的后验概率矩阵 results=zeros(1,m) %存放比较结果矩阵 for i = 1:m %计算在w1下的后验概率 pw1_x(i)=(pw1*normpdf(x(i),e1,a1))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2)) %计算在w2下的后验概率 pw2_x(i)=(pw2*normpdf(x(i),e2,a2))/(pw1*normpdf(x(i),e1,a1)+pw2*normpdf(x(i),e2,a2)) end for i = 1:m if pw1_x(i)>pw2_x(i) %比较两类后验概率 result(i)=0 %正常细胞 else result(i)=1 %异常细胞 end end a=[-5:0.05:5] %取样本点以画图 n=numel(a) pw1_plot=zeros(1,n) pw2_plot=zeros(1,n) for j=1:n
哈尔滨工程大学模式识别实验报告
实验报告实验课程名称：模式识别 姓名：班级：学号：
注：1、每个实验中各项成绩按照5分制评定，实验成绩为各项总和 2、平均成绩取各项实验平均成绩 3、折合成绩按照教学大纲要求的百分比进行折合 ; 2015年4月 实验1 图像的贝叶斯分类 实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 实验仪器设备及软件 HP D538、MATLAB ( 实验原理 基本原理 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。此过程中，确定阈值是分割的关键。
对一般的图像进行分割处理通常对图像的灰度分布有一定的假设，或者说是基于一定的图像模型。最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数用下式表示 1122()()()p x P p x P p x =+ 式中1p 和2p 分别为 … 212 1()21()x p x μσ--= 222 2()22()x p x μσ-- = 121P P += 1σ、2σ是针对背景和目标两类区域灰度均值1μ与2μ的标准差。若假定目标的灰度较亮，
模式识别实验报告年月
模式识别实验报告－年月
————————————————————————————————作者: ————————————————————————————————日期:
学院： 班级： 姓名： 学号： 2012年3月
实验一 Ｂay ｅｓ分类器的设计 一、 实验目的: 1. 对模式识别有一个初步的理解，能够根据自己的设计对贝叶斯决策理论算法有一个深刻地认识； 2． 理解二类分类器的设计原理。 二、 实验条件： 1． PC 微机一台和MA TL ＡB 软件。 三、 实验原理: 最小风险贝叶斯决策可按下列步骤进行: １. 在已知 ) (i P ω， )|(i X P ω,c i ,,1 =及给出待识别的X 的情况下,根据贝叶斯 公式计算出后验概率: ∑== c j j j i i i P X P P X P X P 1 ) ()|() ()|()|(ωωωωω c j ,,1 = ２. 利用计算出的后验概率及决策表，按下式计算出采取 i α决策的条件风险: ∑==c j j j i i X P X R 1) |(),()|(ωωαλα a i ,,1 = 3. 对2中得到的a 个条件风险值) |(X R i α（a i ,,1 =）进行比较，找出使条件 风险最小的决策k α,即: ) |(min )|(,,1X R X R k c i k αα ==, 则 k α就是最小风险贝叶斯决策。 四、 实验内容: （以下例为模板，自己输入实验数据） 假定某个局部区域细胞识别中正常（1ω)和非正常(2ω）两类先验概率分别为： 正常状态：)(1ωP =0.9; 异常状态：)(2ωP =０．１。
鸟类
1.游禽 游禽是对喜欢在水中取食和栖息的鸟类的总称。游禽种类繁多，在我国有着广泛的分布。包括雁鸭类、鸥类等.如天鹅、大雁、鸳鸯、鹈鹕、海鸥等。 这些游禽的分布地域不同，不如北京地区最常见的游禽有：大天鹅、小天鹅、绿头鸭、斑头秋沙鸭、普通秋沙鸭以及浑身漆黑的鸬鹚等。游禽常选择有湖泊的地方休息，以鱼、虾和水草为食。游禽的繁殖窝成平盘状，可浮在水面上，这就是游禽所特有的水面浮巢。它们飞行时，脚向身体的后方伸出，飞翔速度很快，脚趾之间有蹼相连。其嘴大多数宽阔而扁平，善于游泳和潜水。 天鹅、雁、野鸭等换羽时，常是飞羽同时脱落，且连续几周都不能飞行，捕食能力大为降低，易受到伤害，在此期间需要有效保护。雁类飞行一般排成“人”字形或“一”字形队列，边飞边发出“咿呀——，咿呀——”的叫声。 2.涉禽 涉禽是指那些适应在沼泽和水边生活的鸟类。它们的腿特别细长，颈和脚趾也较长，适于涉水行走，不适合游泳。休息时常一只脚站立，大部分是从水底、污泥中或地面获得食物。鹭类、鹳类、鹤类和鹬类等都属于这一类。 鹭和鹳是大、中型涉禽。鹭和鹳的外形十分像，但飞行时鹭类颈部常常弯曲成“S”形，而鹳类则颈部直伸。我国鹭类有20种，大都属于珍惜鸟类。鹳类是大型涉禽，飞行时头、颈、腿前后直伸，白鹳为世界著名珍禽。朱鹭是世界最为濒危的鸟类之一，目前只在我国陕西秦岭有分布。 鹤类大小不等，它们的脚趾间没有蹼或仅有一点蹼，后趾的位置比前面三趾要高。飞行时颈深直。鹤的身资挺秀，修颈长脚，举止幽雅大方，节奏分明，舞姿潇洒，鸣声悦耳洪亮。我国独有的、头顶为红色的丹顶鹤被人们誉为仙鹤。 鹬类为中等或小型涉禽。种类繁多，身体大多为沙土色，奔跑迅速，翅膀尖，善于飞翔。亲鸟为保护幼鸟常把一只翅膀拖地行走诱使敌害追赶而放弃小鸟。 人们常说的“鹬蚌相争，渔瓮得利”的鹬就是指这种鸟。 3.路禽 路禽主要在陆地上栖息。体格健壮，翅膀尖为圆形，不适于远距离飞行；嘴短钝而坚硬，腿和脚强壮而有力，爪为钩状，很适于在陆地上奔走及挖土寻食。松鸡、马鸡、孔雀等都属于这一类。
常见鸟类野外识别
在野外识别鸟类，可根据形态分类特征进行观察，但在大自然中，多数鸟类常隐匿枝叶之间不易寻见，或瞬间掠空而过，或受惊突然飞走，或逆光无法看清，因此，应根据形态特点、羽毛颜色、活动姿态和鸣声等予以准确迅速地识别。 这些识别方法，既是研究鸟类学的一种重要手段，也是从事野外工作所必需具备的基础知识，对初学者来说，尤为重要。在未到达观察采集地点之前，要知道那里的环境特点。 根据有机体和环境统一的理论，估计可能遇见的鸟类类群。例如，到山地林区可以看到啄木鸟、杜鹃和一些雀型目鸟类；在高山的不同垂直带分布有不同的鸟类；在一片树林的不同层次也可以看到不同的鸟类，到水区可以看到游禽、涉禽和一些在水边的大树或灌丛中生活的鸟类；在多岩石的山溪和平坦的水稻田，遇到的水鸟也有所不同。这样，根据生态类群所作的划分和选择，便缩小了观察的种数，有助于研究鸟类的分布规律，常可收到事半功倍的效果。 在到达观察采集地点之后，野外识别鸟类的依据，主要要以下几种方法。 根据形态特征识别鸟类 1．身体的大小和形状：与麻雀相似者：文鸟、山雀、金翅、燕雀等；与八哥相似者，椋鸟、鸫等；与喜鹊相似的有：灰喜鹊、灰树雀、红嘴山鸦、杜鹃、乌鸦；与老鹰相似的有：鹰、隼、鹞、鸮等，大型的有鵟及雕；与鸡相似者：松鸡、榛鸡、石鸡、竹鸡、马鸡、勺鸡、长尾雉、白鹇、及鹧鸪等；与白鹭相似者，多种鹭类、黑鳱、大马鳱等，大型的有鹳及鹤。 2．嘴的形状：长嘴者：翠鸟、啄木鸟、沙锥、鹭、苇鳱、鹳及鹤等；嘴向下弯曲者：戴胜、杓鹬及太阳鸟等；嘴先端膨大者：琵嘴鸭及勺嘴鹬等；嘴呈宽而短的三角形者：夜鹰、雨燕、燕子及鹬等。 3．尾的形状：短尾者：鸊鷉、鹌鹑、斑翅山鹑、八色鸫、鹪鹩等，长尾者：马鸡、长尾雉、雉鸡、杜鹃、喜鹊、寿带等；叉尾者：燕鸥、雨燕、燕子、卷尾及燕尾等。 4．腿的长短：腿特别长者：鹭、鹳、鹤、鸨、鴴、鹬等。 根据羽毛颜色识别鸟类 观察鸟类的羽毛颜色时，因逆光看好象是黑色，容易产生错觉，故应顺光观察。除注意整体颜色之外，还要在短时间内看清头、背、尾、胸等主要部位，并抓住一、二个显要特征，如头颈、眉纹、眼圈、翅斑、腰羽及尾端等处的鲜艳或异样色彩。例如： 1．几全为黑色者：鸬鹚、红骨顶、白骨顶、董鸡、河乌、噪鹃、黑卷尾、秃鼻乌鸦、大嘴乌鸦及小嘴乌鸦等。 2．黑白两色相嵌者：白鹳、黑鹳、凤头潜鸭、白翅浮鸥、丹顶鹤、白鹳、斑啄木鸟、鹊鹞、喜鹊、八哥、家燕等 3．几全为白色者：天鹅、白鹭、朱鹮及白马鸡等。 4．以灰色为主者：灰鹤，杜鹃，岩鸽，灰卷尾，及普通鵟等。 5．灰白两色相嵌者：白头鹤，白枕鹤，苍鹭，夜鹭，银鸥，红嘴欧，白胸苦恶鸟，燕鸥，白额燕鸥，灰山椒鸟等。 6．以蓝色为主者：蓝马鸡，蓝翡翠，翠鸟，三宝鸟，蓝翅八色鸫，红嘴蓝鹊，蓝歌鸲，红胁蓝尾鸲，红尾水鸲，蓝矶鸫。 7．以绿色为主者：绯胸鹦鹉，栗头蜂虎，绿啄木鸟，大拟啄木鸟，红嘴相思鸟，绣眼及柳莺等。