基于模式識別的男女體重控制認知行為研究

曹　浚

西安市高新三中

基于模式識別的男女體重控制認知行為研究

曹浚

西安市高新三中

本文以182名大學生的真實體重和期望體重數據為研究對象，利用Matlab編程建立正態分布假設下的最小錯誤率貝葉斯分類器，進行體重數據的性別分類，以探究男女性別在體重控制認知行為上的差異。

男女性別；體重數據；模式識別；貝葉斯決策；Matlab編程

1.引言

體重是人體的一個重要生理指標，與人的健康和外在形象息息相關。對于女性而言，體重是一個預測身體吸引力的重要指標。近年來，根據調查顯示，許多女大學生認為自己太胖，從而有減肥意向，而實際上女大學生的超重率小于10%。為此，一些學者進行了女性體重控制認知行為失調的研究。

目前國內外關于體重控制認知行為的研究多集中在女性，對于男女性別差異在體重控制認知行為中的影響研究較少。本文采用模式識別中的最小錯誤率貝葉斯決策方法，基于182個大學生的真實體重數據和期望體重數據對性別進行分類，進而驗證男女性別對體重控制認知行為的影響，為后續男女體重控制認知行為提供一定理論基礎。

2.研究方案設計

2.1分類方法介紹

我們所采用的分類方法為最小錯誤率貝葉斯決策。將所研究的對象分為ω1和ω2這兩類，假設對象的特征x的數據可以通過某種方式獲得。用P（ω1|x）和P（ω2|x）分別表示這個時候ω1類和ω2類的后驗概率。由條件概率公式可知，后驗概率P（ωi| x）（i=1，2）表示為：

其中P（）ωi為ω1和ω2這兩類的先驗概率。我們稱

為最小錯誤率貝葉斯決策原理。在本課題中，x是一個二維向量，且我們假設概率密度函數P（x|ωi）滿足正態分布。雙變量正態分布聯合概率密度函數如公式（2-3）所示：

其中-∞〈x，y〈+∞；-∞〈μ1，μ2〈+∞；σ1，σ2〉0；-1≤ρ≤1；μ1，μ2分別是x，y的均值，分別是x，y的方差，ρ是x，y的相關系數。

2.2數據集說明

本課題所用數據來自美國賓夕法尼亞州立大學Mind on Statistic公開數據集。該數據集統計了182名大學生（女性119名，男性63名）的真實體重和他們各自所期望的身體重。

隨機選取數據集中少量男性數據和女性數據作為訓練集，訓練集中的性別為已知量；剩余數據（或全部數據）為測試集，測試集中性別為未知量。將測試集的分類結果與真實性別進行對比即可得出分類錯誤率。

3.數據處理與分析

隨機選取19名女性數據和9名男性數據作為訓練集，包含真實體重（記為actual）、期望體重（記為ideal）這兩個特征。為了充分挖掘數據集中所蘊含的信息，計算真實體重和期望體重之差（記為diff），作為第三個特征。

從上述三個特種兩兩選擇，分別計算各種特征選取方式下的概率密度函數參數，如表3.1所示。

表3.1各種特征選取方式下的概率密度函數參數

由表3.1可以看出，當選擇ideal和diff作為特征時，男性與女性的相關系數均最小。

4.決策分類結果

利用第3章中各種特征選取情況下建立起的最小錯誤率貝葉斯分類器對測試集數據進行性別分類，并根據測試集的真實性別計算男性的決策錯誤率P（error男）和女性的決策錯誤率P（error女）。分別用數據集中男女性別的人數百分比作為男性和女性的先驗概率，最后分別用兩種性別的先驗概率對兩種性別的錯誤率進行加權求和得到總錯誤率P（error總）。結果如表4.1所示：

表4　.1各種特征選取情況下的決策錯誤率

由表4.1可知，選取ideal和diff為特征時，總的決策錯誤率最小。

5.總結與展望

體重是影響人體外在形象的重要指標。本文用模式識別的方法，研究了男女性別在體重控制認知行為上的差異。研究結果顯示，相對男性大學生而言，女性大學生對自己體重的期望值偏離真實值更多，也即女性更期望獲得一個更小的體重。這對于后續研究男女審美及體質健康均具有一定的理論價值和意義。

［1］［英］斯瓦米，［英］富氽漢姆.魅力心理學［M］.華夏出版社，2011.

［2］高德順，鄒大華，沈勛章，等.東亞地區四大城市女大學生青春期減肥意向的比較研究——自我體型的誤區與社會性體型焦慮的現狀［J］.體育科研，2002（2）∶38-40.

［3］高德順，陳海濤，丁洪祥.關于青春期女大學生減肥的調查研究［J］.中國體育科技，2002，38（6）∶36-38.

［4］尹小儉，季成葉，李世昌.大學生肥胖的現況與體質健康的相關性研究［J］.現代預防醫學，2007，34（23）∶4527-4530.

［5］石巖，周璠.女性體重控制認知行為失調的三維模型構建［J］.體育科學，2012，32（9）∶23-30.

［6］周璠.女大學生體重控制認知行為失調研究［D］.山西大學，2014.

曹浚（1999-），男，陜西省旬陽縣人，就讀于陜西省西安市高新第三中學，高中在讀，研究方向：模式識別與人工智能。