随笔分类 - 模式识别
模式识别学习笔记
摘要:势函数法 假设要划分属于两种类别的模式样本,这些样本可以看做是分布在维模式空间中的点,把属于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,即把样本附近空间点上的电位分布看做
阅读全文
摘要:感知器算法 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,这个算法不需要对各类别中模式的统计性质做任何假
阅读全文
摘要:线性判别函数 模式识别系统的主要作用:判别各个模式(样本)所属的类别 用判别函数分类的概念 判别函数进行分类依赖的因素: 判别函数的几何性质:线性的和非线性的函数 判别函数的系数 两类问题的判别函数 若是二维模式样本,用作为坐标分量,可以画出
阅读全文
摘要:概述 模式:存在于世间和空间中可观察的物体,如果我们可以区别他们是否相同或是否相似,都可以称之为模式。 模式的直观特性: 可观察性可区分性相似性 模式识别:对周围物体的认识、人的识别、声音的辨别、气味的分辨 数据聚类 目标:用某种相似性度量的方法见原始数据组成有意义的和有用的各种数据集 是一种非监督
阅读全文
摘要:数学期望(均值)和方差 随机变量X的数学期望(或称均值)记作 E ( x ) E(x) E(x),它描述了随机变量的取值中心,随机变量 ( X − E ( X ) ) 2 (X-E(X))^2 (X−E(X))2的数学期望称为 X X X的方差,记作 σ 2 \sigma^2 σ2,而 σ \sig
阅读全文
摘要:作为统计判别问题的模式分类 模式识别的目的就是要确定某一个给定的模式样本属于哪一类输入:被识别对象的特征向量输出:被识别样本的类别 贝叶斯判别原则 两类模式集的分类 目的:要确定 x x x是属于 ω 1 \omega_1 ω1类还是 ω 2 \omega_2 ω2类,要看 x x x是来自于
阅读全文
摘要:正态分布模式的贝叶斯分类器 当已知或有理由设想类概率密度函数 P ( x ∣ ω i ) P(x|\omega_i) P(x∣ωi)是多变量的正态分布时,贝叶斯分类器可以导出一些简单的判别函数 M M M种模式类别的多变量正态类密度函数 具有 M M M种模式类别的多变量正态类密度函数为: P (
阅读全文