检测概率、误报警概率（ROC曲线）

最新推荐文章于 2024-07-11 16:45:25 发布

ECG,SPO2

最新推荐文章于 2024-07-11 16:45:25 发布

阅读量293

点赞数

分类专栏：数据分析文章标签： matlab

本文链接：https://blog.youkuaiyun.com/goudahai/article/details/135988357

版权

数据分析专栏收录该内容

14 篇文章 ¥19.90 ¥99.00

订阅专栏

超级会员免费看

本文深入探讨了ROC曲线在评估二分类模型性能中的作用，详述了如何通过ROC曲线分析检测概率和误报警概率，以及在实际问题中如何利用MATLAB进行相关计算和绘图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

function prob_detect_and_prob_false_alarm

nlook = 100000;
TdB = 8:0.5:12;
Pd = zeros(1,length(TdB));
Pfa = zeros(1,length(TdB));
b = 2 / sqrt(pi/2);             % 均值为2的Rayleigh分布的参数
for k = 1:length(TdB)           %  遍历每个检测， dB
    Nd = 0;
    Nfa = 0;
    for look=1:nlook
        target = randn(1,100) + 7;          % 正态分布，mu=7,sigma=1
        system_noise = raylrnd(b,1,100);    % Rayleigh分布，均值 2
        signal = target + system_noise;      % 每个look， 在每个range gate里面采集的信号
        
        Td = mean(target) * 10^( TdB(k) / 20);
        Tfa = mean(system_noise) * 10^( TdB(k) / 20);
        Td = Tfa;
        %plot(signal);
        %pause;

了解本专栏