模式识别重要算法归纳.ppt

《模式识别重要算法归纳.ppt》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、模式识别算法归纳武汉理工大学PatternRecognition2.感知器算法(PerceptronApproach)3.LMSE（leastmeansquareerror）算法4.MinimumBayesdecision5.PCA（Principalcomponentanalysis）算法1.ISODATA算法ISODATA算法：IterativeSelf－OrganizingDataAnalysisTechniguesAlgorithm，迭代自组织的数据分析算法。ISODATA算法特点：可以通过类的自动合并（两类合一）与分裂（一类分为二），得到较合理的类型数目。。ISOD

2、ATA聚类算法1.感知器算法(PerceptronApproach)目的：用于实现线性分类器的确定设其中，应该具有的性质Workreport2014.12.15吴桥感知器程序框图图：当多类分类情况的分类方式下，用感知器算法训练判别函数权向量的具体步骤。当分类方式为多类情况时，应有：感知器必须同时学习M个判别函数的权向量，使其满足上述条件。results感知器算法只有在模式类可分离时才收敛，在不可分的情况下算法会来回摆动，始终不收敛。不收敛的情况分为两种：a）迭代过程本身收敛缓慢b）模式本身不可分LMSE算法的特点：对可分模式收敛对于类别不可分的情况也可以指出来。LMSE（le

3、astmeansquareerror）算法LMSE方法的基本思想是将求解线性不等式组的问题转化为求解线性方程组：对通过准则函数极小找W.B准则函数：使对W求最小称为X的伪逆矩阵定义C为校正系数LMSE程序框图：resultsMinimumBayesdecision正态分布的最小错误率贝叶斯决策规则：判别函数：正态分布的最小错误率Bayes决策的判别函数：判别规则：则为超二次曲面。可见对正态分布模式的Bayes分类器，两类模式之间用一个二次判别界面界面分开，就可以求得最优分类效果。对于两类问题决策规则：是的二次型方程决定的超曲面ResultsPCA（Principalcompo

4、nentanalysis）算法步骤：1.获取数据每一个数据都为M维列向量；2求出其自相关矩阵：特征值特征向量3.由大到小依次排列特征值和对应的特征向量：特征向量代表了原数据的分布方向，其对应的特征值越大，则该向量越重要（即为主元）；其对应的特征值越小，则该向量越次要。利用自相关矩阵的K-L变换进行特征提取1.求样本集{X}的总体自相关矩阵R。2.求R特征值对特征值由大到小进行排队，选择前d个较大的特征值3.求特征向量归一化处理后构成变换矩阵4.对{X}中的每个X进行K-L变换，变换后向量d维向量就是代替n维向量X进行分类的模式向量。Thanks！