模式识别概念.doc

《模式识别概念.doc》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。把模式所属的类别或同一类中模式的总体称为模式类。模式识别定义：研究一些自动技术，利用这些技术，计算机自动地把待识别模式分到各自的模式类中。数据获取特征提取和选择预处理分类决策分类器设计模式识别系统的基本构成：数据获取：用计算机可以运算的符号来表示所研究的对象。预处理单元：去噪声，提取有用信息，并对输入测量仪器或其它因素所造成的退化现象进行复原。特征提取和选择：对原始数据进行变换，得到最能反映分类本质的特征。测量空间：原始数据组成的空间；特征空间：分类识别赖以进行的空间；模式表示：维数较高的测量空间-

2、>维数较低的特征空间。分类决策：在特征空间中用模式识别方法把被识别对象归为某一类别。基本做法：在样本训练集基础上确定某个判决规则，使得按这种规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小。梯度向量的最重要性质之一：指出函数f在其自变量增加时，增长最快的方向。负梯度指出了最陡下降方向。——梯度算法的依据。最小损失贝叶斯准则判决：分类问题是利用已知类别的样品来构造分类器。其训练集样品是已知类别的，所以又称为有监督分类。在已知类别样品的指导下对单个待测样品进行分类。聚类问题则不同，它事先不了解一批样品中的每一个样品的类别或者其他的先验知识，而唯一的分类根据是样品的特性。利用样品

3、的特性来构造分类器，这种分类称为无监督分类，通常叫做聚类。特征选择和提取的目的：经过选择或变换，组成识别特征，尽可能保留分类信息，在保证一定分类精度的前提下，减少特征维数，使分类器的工作即快又准确。近邻法属于有监督学习，聚类属于无监督学习。最近邻决策规则：k-近邻法的基本规则：