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 Charlie_ODD 阅读(715) 评论(0) 推荐(0) 编辑
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 Charlie_ODD 阅读(1838) 评论(0) 推荐(1) 编辑
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 Charlie_ODD 阅读(594) 评论(0) 推荐(0) 编辑
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 Charlie_ODD 阅读(2449) 评论(0) 推荐(0) 编辑
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 Charlie_ODD 阅读(1190) 评论(0) 推荐(0) 编辑
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 Charlie_ODD 阅读(2480) 评论(0) 推荐(0) 编辑