绪论

2017-06-15  本文已影响17人  安东可
模式识别

就是让机器学会, 在已知的数据里发现一个奇异性最小的规律, 同时对未知的数据进行预测或者分类

1.定义

(1) 模式
凡是人类能用其感官直接或间接接受的外界信息都称为模式。
代表事物的模板或原型
(2) 识别(Recognition )
把对象分门别类地认出来
(3) 目标
Y=F(X)
 X的定义域取自特征
 Y的值域为类别的标签
 F是模式识别的判别方法

2 基本概念

样本( sample) :所研究对象的一个个体。
样本集( sample set) :若干样本的集合。
类或类别( class) :在所有样本上定义的一个子集, 处于同一类的样本在我们所关心的性质是不可区分的, 即具有相同的模式。
特征( feature) :用于表征样本的观测信息,通 常 是 数 值 表 示 的, 有 时 也 称 为 属 性( attribute) ;如果是高维则称为特征向量,样本的特征( 向量) 构成了特征空间, 每个样本是特征空间中的一个点。
已知样本( known sample) :事先知道类别标号的样本( 训练样本) 。
** 未知样本( unknown sample)
:类别标号未知但特征已知的样本( 待识别的样本)。
####### 模式识别必须经历如下的过程
模式空间--> 特征空间 -->类型空间
从物理上可以觉察到的世界, 通过模式空间、特征空间到类型空间, 经历了模式采集、 特征提取和选择、 以及分类决策等过程, 这就是一个完整的模式识别过程。
_
模式识别就是从样本到类别的映射**_

3 基本框架
Paste_Image.png Paste_Image.png

分类器的学习和适应:

Paste_Image.png
4 模式识别的方法
Paste_Image.png Paste_Image.png
相关文献
Paste_Image.png Paste_Image.png Paste_Image.png Paste_Image.png Paste_Image.png
上一篇下一篇

猜你喜欢

热点阅读