哈工大模式识别课程期末总结

《哈工大模式识别课程期末总结》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、哈尔滨工业大学课程总复习2主要内容1.关于期末考试/考察2.章节知识点整理31.关于期末考试/考察41.确认考试人员名单；2.考试/考察方式学位课：考试70%+报告30%；选修课：报告100%（不用考试）。3.报告形式(见word文档)4.考试题目（100分）1．简答题（35分）7*5’=35分2．推导题（8分）3．证明题（8分）4．问答题（24分）3*8’=24分5．计算题（25分）9’+8’+8’=25分（记得要带尺子，铅笔，橡皮擦）【关于期末考试】52.章节知识点整理哈尔滨工业大学第1章模式识别绪论主要内容模式识别基本概念模式识别系统组成模式识别基本问题应用领域小结模式识别系统

2、组成【模式识别系统组成】1.信息的获取：通过测量、采样、量化并用矩阵或向量表示。通常输入对象的信息有三个类型：二维图像（文字、指纹、地图、照片等）、一维波形（脑电图、心电图、机械震动波形等）、物理参量和逻辑值（体检中的温度、血化验结果等）2.预处理：去除噪声，加强有用的信息，并对输入测量仪器或其它因素造成的干扰进行处理。3.特征提取与选择：为了实现有效的识别分类，要对原始数据进行变换得到最能反映分类本质的特征，此过程为特征提取和选择。4.分类决策：在特征空间中用统计方法把被识别对象归为某一类。基本作法是在样本训练集基础上确定某个判决规则，使按这种判决规则对被识别对象进行分类所造成的错

3、误识别率最小或引起的损失最小。5.后处理：针对决策采取相应的行动。信息获取预处理特征提取与选择分类决策后处理模式识别系统组成框图哈尔滨工业大学第2章贝叶斯决策理论主要内容概率论基础知识贝叶斯决策基础知识基于最小错误率的贝叶斯决策基于最小风险的贝叶斯决策贝叶斯分类器设计正态分布时的统计决策小结贝叶斯决策基础知识【贝叶斯决策基础知识】贝叶斯决策理论先验概率：后验概率：类条件概率：贝叶斯公式：基于最小错误率的贝叶斯决策【基于最小错误率的贝叶斯决策】（4）【基于最小错误率的贝叶斯决策】【基于最小错误率的贝叶斯决策】【基于最小风险的贝叶斯决策】概念决策决策空间前面所讲的错误率达到最小。在某些实

4、际应用中，最小错误率的贝叶斯准则并不适合。以癌细胞识别为例，诊断中如果把正常细胞判为癌症细胞，固然会给病人精神造成伤害，但伤害有限；相反地，若把癌症细胞误判为正常细胞，将会使早期的癌症患者失去治疗的最佳时机，造成验证的后果。【基于最小风险的贝叶斯决策】数学描述【基于最小风险的贝叶斯决策】期望风险：条件期望损失：目的：期望风险最小化【基于最小风险的贝叶斯决策】最小风险贝叶斯决策规则:【基于最小风险的贝叶斯决策】算法步骤:【基于最小风险的贝叶斯决策】例题2:【基于最小风险的贝叶斯决策】【基于最小错误率的贝叶斯决策与最小风险的贝叶斯决策的关系】定理：0-1风险哈尔滨工业大学第3章概率密度函

5、数估计主要内容引言参数估计正态分布的参数估计非参数估计本章小结参数估计【参数估计】最大似然估计贝叶斯估计贝叶斯学习【最大似然估计】基本假设【最大似然估计】基本概念【最大似然估计】基本原理【最大似然估计】估计量估计值【最大似然估计】一元参数【最大似然估计】多元参数【最大似然估计】例子（梯度法不适合）：不成功！【贝叶斯估计】采用最小风险贝叶斯决策【贝叶斯估计】【贝叶斯估计】【贝叶斯学习】【三种方法总结】【三种方法总结】哈尔滨工业大学第4章线性判别函数主要内容线性判别函数的基本概念Fisher线性判别准则函数感知准则函数最小平方误差准则函数多类问题§4.1.1概念的提出【线性判别函数】定义

6、§4.1.1概念的提出【线性判别函数】分类决策§4.1.1概念的提出【线性判别函数】分析§4.1.1概念的提出【线性判别函数】分析说明：判别函数g(x)正比于任意一点x到超平面的代数距离。Fisher线性判别准则函数【Fisher线性判别准则函数】概念应用统计方法解决模式识别问题时，往往遇到维数问题（举例：图像识别），降维是有效方法。考虑到降d维空间的样本投影到一条直线上，如果投影到任意一条直线上则可能造成本来有很好区分度的样本在直线上线性不可分。因此，直线的方向很关键。【Fisher线性判别准则函数】基本思路Fisher判别的基本思想：希望投影后的一维数据满足：?两类之间的距离尽可

7、能远；?每一类自身尽可能紧凑。【Fisher线性判别准则函数】【Fisher线性判别准则函数】【Fisher线性判别准则函数】【Fisher线性判别准则函数】哈尔滨工业大学第5章非线性判别函数主要内容基本概念基于距离的分段线性判别函数分段线性分类器设计二次判别函数程序设计方法实际应用系统设计研究报告哈尔滨工业大学第6章特征的选择与提取主要内容1.引言2类别可分离性判据3特征选择4.特征提取60哈尔滨工业大学第7章近邻法61主要内容0.引言1.近邻法原理及其