摘要：
阅读全文
posted @ 2018-10-31 15:15
10 2018 档案
摘要：
阅读全文
posted @ 2018-10-31 15:08
摘要：来源：https://www.cnblogs.com/jianxinzhou/p/4083921.html 1. The Problem of Overfitting （1） 还是来看预测房价的这个例子，我们先对该数据做线性回归，也就是左边第一张图。如果这么做，我们可以获得拟合数据的这样一条直线，但
阅读全文
posted @ 2018-10-31 14:24
摘要：来源：https://www.cnblogs.com/ooon/p/5711516.html 2.Bias variance tradeoff
阅读全文
posted @ 2018-10-31 13:34
摘要：
阅读全文
posted @ 2018-10-26 10:58
摘要：图形处理单元（或简称GPU）会负责处理从PC内部传送到所连接显示器的所有内容，无论你在玩游戏、编辑视频或只是盯着桌面的壁纸，所有显示器中显示的图像都是由GPU进行渲染的。 对普通用户来说，实际上不需要独立显卡就可以向显示器「提供」内容。像笔记本电脑或平板用户，通常CPU芯片都会集成GPU内核，也就是
阅读全文
posted @ 2018-10-24 16:05
摘要：说明： 通过以上的公式向后推倒可以得出每一步的可能情况，再根据约束条件从后往前确定解向量，很明显这样的公式推导十分繁琐，随着问题规模的扩大，分支和情况将十分复杂。 那么现在用图解法来简化这种计算推到形式： 从这个图现在好像只能看出当X=6时，函数值=6，即M=6时，最优总效益值为6。 那么这个图还有
阅读全文
posted @ 2018-10-23 15:25
摘要：在模式识别中，如果大量复杂的模式的集合，能用一组为数不多的简单的模式基元和文法规则来描述，则对每一个模式的识别，就可以按给定的一组文法结构规则来剖析； 如果解析的结果表明，模式基元能为给定的文法规则所接受，则可判别它属于该模式类，否则就不属于该模式类。 5.2.1 形式语言理论中的某些定义 形式语言
阅读全文
posted @ 2018-10-22 16:17
摘要：第五章 句法模式识别 出发点：统计模式识别是基于模式特征的一组测量值来组成特征向量，用决策理论划分特征空间的方法进行分类。 基于描述模式的结构信息，用形式语言中的规则进行分类，可以更典型地应用于景物图片的分析。 因为在这类问题中，所研究的模式通常十分复杂，需要的特征也很多，仅用数值上的特征不足以反映
阅读全文
posted @ 2018-10-22 15:18
摘要：（n为结点个数） 为成本差额
阅读全文
posted @ 2018-10-19 11:31
摘要：
阅读全文
posted @ 2018-10-16 15:54
摘要：全称：Karhunen-Loeve变换（卡洛南-洛伊变换） 前面讨论的特征选择是在一定准则下，从n个特征中选出k个来反映原有模式。 这种简单删掉某n-k个特征的做法并不十分理想，因为一般来说，原来的n个数据各自在不同程度上反映了识别对象的某些特征，简单地删去某些特征可能会丢失较多的有用信息。 如果将
阅读全文
posted @ 2018-10-16 14:48
摘要：设有n个可用作分类的测量值，为了在不降低（或尽量不降低）分类精度的前提下，减小特征空间的维数以减少计算量，需从中直接选出m个作为分类的特征。 问题：在n个测量值中选出哪一些作为分类特征，使其具有最小的分类错误？ 从n个测量值中选出m个特征，一共有 中可能的选法。 一种“穷举”办法：对每种选法都用训练
阅读全文
posted @ 2018-10-16 14:30
摘要：特征选择和提取 特征选择和提取是模式识别中的一个关键问题 前面讨论分类器设计的时候，一直假定已给出了特征向量维数确定的样本集，其中各样本的每一维都是该样本的一个特征； 这些特征的选择是很重要的，它强烈地影响到分类器的设计及其性能； 假若对不同的类别，这些特征的差别很大，则比较容易设计出具有较好性能的
阅读全文
posted @ 2018-10-16 14:15
摘要：决策树，或称多级分类器，是模式识别中进行分类的一种有效方法，对于多类或多峰分布问题，这种方法尤为方便。 利用树分类器可以把一个复杂的多类别分类问题，转化为若干个简单的分类问题来解决。 它不是企图用一种算法、一个决策规则去把多个类别一次分开，而是采用分级的形式，使分类问题逐步得到解决。 一般来讲，一个
阅读全文
posted @ 2018-10-16 13:59
摘要：目的 用势函数的概念来确定判别函数和划分类别界面。 基本思想 假设要划分属于两种类别ω1和ω2的模式样本，这些样本可看成是分布在n维模式空间中的点xk。 把属于ω1的点比拟为某种能源点，在点上，电位达到峰值。 随着与该点距离的增大，电位分布迅速减小，即把样本xk附近空间x点上的电位分布，看成是一个势
阅读全文
posted @ 2018-10-15 13:33
摘要：3.8.1梯度法 定义： 梯度是一个向量，它的最重要性质就是指出了函数f在其自变量y增加时最大增长率的方向。 负梯度指出f的最陡下降方向 利用这个性质，可以设计一个迭代方案来寻找函数的最小值。 采用梯度法求解的基本思想 对感知器算法 式中的w(k)、xk随迭代次数k而变，是变量。 定义一个对错误分类
阅读全文
posted @ 2018-10-15 09:14
摘要：3.6感知器算法 出发点 一旦判别函数的形式确定下来，不管它是线性的还是非线性的，剩下的问题就是如何确定它的系数。 在模式识别中，系数确定的一个主要方法就是通过对已知样本的训练和学习来得到。 感知器算法就是通过训练样本模式的迭代和学习，产生线性（或广义线性）可分的模式判别函数。 基本思想 采用感知器
阅读全文
posted @ 2018-10-09 14:58
摘要：恢复内容开始 出发点 应用统计方法解决模式识别问题时，一再碰到的问题之一就是维数问题。 在低维空间里解析上或计算上行得通的方法，在高维空间里往往行不通。 因此，降低维数有时就会成为处理实际问题的关键。 问题描述 考虑把d维空间的样本投影到一条直线上，形成一维空间，即把维数压缩到一维。 然而，即使样本
阅读全文
posted @ 2018-10-08 15:37
摘要：出发点： 线性判别函数在进行分类决策时是最简单有效的，但在实际应用中，常常会出现不能用线性判别函数直接进行分类的情况。 采用广义线性判别函数的概念，可以通过增加维数来得到线性判别，但维数的大量增加会使在低维空间里在解析和计算上行得通的方法在高维空间遇到困难，增加计算的复杂性。 引入分段线性判别函数的
阅读全文
posted @ 2018-10-08 15:20
摘要：这种实现方式的最坏情况和最好情况时间复杂度分别为O（n2）和 O（n）
阅读全文
posted @ 2018-10-01 16:08
