模式识别评价方法 ROC曲线, DET曲线, FPPW, FPPI etc.

本文链接：https://blog.youkuaiyun.com/yangyangyang20092010/article/details/14521421

本文介绍了模式识别中的评价方法，包括ROC曲线、DET曲线、FPPW和FPPI。ROC曲线和DET曲线用于评估分类器性能，越靠近左上角性能越好。FPPW关注误报率在窗口级别的频率，而FPPI更贴近实际应用，考虑了在整幅图像中的误报情况。文章提供了相关资源和MATLAB代码示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

模式识别评价方法 ===> ROC 曲线 DET 曲线 FPPW FPPI

因个人在做模式识别相关的工作，模式识别算法最终的性能评价是关键。但苦于网上很难找到具体、详细的评价流程、方法以及代码，所以本人打算近期准备如题所示评价方法的整理工作，到时候会奉上方法介绍、基础代码（matlab 版），以帮助更多像我这样对这些方法有些迷茫的人。

暂时提供matlab中自带的ROC,DET曲线绘制函数: perfcurve()

具体使用方法，中文链接：http://ilovematlab.cn/thread-76781-1-1.html

MathWork Manual（文档源自matlab2013。之前低版本中应该有该函数，但本人在自己的2008a版本中没有发现，2010版本中应该有）: http://www.mathworks.cn/cn/help/stats/perfcurve.html

自编 ROC 曲线及相关中间结果的计算代码。

Main function:

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%function: ROC curve related
%   date : 2013.07.01
% author : Xin Yang, School of medicine, SZU
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

% 根据Label8score文件绘制 ROC、DET曲线
% 获取数据文件路径
[filename, pathname] = uigetfile( {'*.txt', 'Model Files (*.txt)'; ...
'*.*', 'All Files (*.*)'}, '选择 ROC 数据源','F:\Result\FPPW\');
if isequal(filename,0) || isequal(pathname,0)
    return;%如果点了“取消”
else
    L8S_file = [pathname , filename];
end
dot_num = 50;
YX_Roc(L8S_file , dot_num);
% YX_DET_Curve(L8S_file , dot_num);

YX_Roc function:

% 根据 标记&预测得分文件 绘制ROC曲线
function YX_Roc(Label8ScoreFile , dot_num)
% 加载 标记&预测得分 数据文件  1:正 0:负
Mat_L8S = load(Label8ScoreFile);
sample_num = size(Mat_L8S ,1);
% 绘制正、负标记分布趋势图，用于观察正负样本的交叉程度
Plot_PN_pdf(Mat_L8S);

Label = Mat_L8S(:,1);% 人工标记
Score = Mat_L8S(:,2);% 算法评分
% 分数