模式复习ppt课件.ppt

《模式复习ppt课件.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、复习第一章模式识别概论第二章聚类分析第三章判别函数第四章统计判别第五章特征选择与提取第六章人工神经网络第七章句法模式识别第八章模糊模式识别方法第九章模式识别应用1第一章模式识别概论模式概念广义地说，存在于时间和空间中可观察的物体，如果可以区别它们是否相同或是否相似，都可以称之为模式。直观特性可观察性可区分性相似性模式识别目的利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。方法（两种假说）监督学习、概念驱动或归纳假说非监督学习、数据驱动或演绎假说2第一章模式识别概论模式分类

2、数据聚类统计分类神经网络结构模式识别模式识别系统组成模式识别过程实例3第二章聚类分析聚类分析的相关概念定义对一批没有标出类别的模式样本集，按照样本之间的相似程度分类，相似的归为一类，不相似的归为另一类，这种分类称为聚类分析。模式相似/分类的依据把整个模式样本集的特征向量看成是分布在特征空间中的一些点，点与点之间的距离即可作为模式相似性的测量依据。聚类分析的有效性特征选择的维数和降维处理4第二章聚类分析模式相似性的测度和聚类准则相似性测度欧氏距离马氏距离一般化的明氏距离角度相似性函数聚类准则试探方法聚类准则函数法

3、5第二章聚类分析基于试探的聚类搜索算法按最近邻规则的简单试探法最大最小距离算法系统聚类法算法几种距离计算准则：最小距离准则实例动态聚类法K-均值算法算法和实例ISODATA算法基本步骤和思路算法和实例6第三章判别函数线性判别函数用判别函数分类的概念线性判别函数的一般形式和分类问题两类情况：多类情况：三种多类情况广义线性判别函数基本思想广义线性判别函数的意义线性的判别函数判别函数选用二次多项式函数判别函数选用r次多项式函数分段线性判别函数模式空间和权空间7第三章判别函数Fisher线性判别从d维空间到一维空间的一

4、般数学变换方法Fisher准则函数的定义基于最佳变换向量的投影感知器算法线性判别函数的感知器赏罚训练算法采用感知器算法的多类模式的分类可训练的确定性分类器的迭代算法梯度法固定增量的逐次调整算法最小平方误差(LMSE)算法8第三章判别函数势函数法判别函数的产生分析步骤势函数的选择第一类势函数对称的有限多项式展开第二类势函数双变量的对称函数实例决策树简介概念二叉树9第四章统计判别作为统计判别问题的模式分类贝叶斯判别原则贝叶斯最小风险判别正态分布模式的贝叶斯分类器M种模式类别的多变量正态类密度函数两类问题且其类模式都

5、是正态分布的特殊情况模式分布密度的协方差矩阵不等模式分布密度的协方差矩阵相等实例10第四章统计判别在贝叶斯分类器中，构造分类器需要知道类概率密度函数。类概率密度是正态分布，它完全由其均值向量和协方差矩阵所确定。均值和协方差矩阵的非随机参数的估计均值和协方差矩阵的估计量定义均值和协方差矩阵估计量的迭代运算均值向量和协方差矩阵的贝叶斯学习一般概念单变量正态密度函数的均值学习11第五章特征选择与提取特征选择的概念所谓特征选择，就是从n个度量值集合中，按某一准则选取出供分类用的子集，作为降维（m维，m

6、特征提取的概念所谓特征提取，就是通过某种变换，从n个度量值集合中产生m个特征(m

7、数据的线性组合，然后从新的数据中选出少数几个，使其尽可能多地反映各类模式之间的差异，而这些特征间又相互独立。离散的有限K-L展开K-L展开式的性质K-L展开式系数的计算步骤按K-L展开式选择特征三条结论实例14第六章人工神经网络概念和特点人工神经网络定义固有的并行结构和并行处理知识分布存储容错性自适应性局限性人工神经网络基础生物原型（大脑）人工神经网络处理单元（人工神经元）特性人工神经网络的拓扑结构存储和回忆功能人工神经网络的训练方法人工神经网络的稳定性和收敛性15第六章人工神经网络前馈网络感知器模型符号单元功

8、能表示能力训练算法线性单元加权的直接求解法σ规则训练算法非线性单元加权求解描述Sigmoid函数情况多层网络的训练—误差反传训练算法（BP算法）原理和推算过程训练算法实现步骤（Sigmoid函数）BP训练算法存在的问题及改进16第六章人工神经网络反馈网络Hopfield网络（离散型）网络拓扑结构及描述网络运行过程及其神经元的演变和状态的变迁网络联想方法和网络训练随机神经网络模拟退火算法