模式識別簡介&貝葉斯決策理論
阿新 • • 發佈:2019-01-02
==============================================================================
1、模式識別簡介
==============================================================================
模式識別的定義:
將某一具體事務正確地歸入某一類別的過程
描述一下模式識別的過程:
1、採集資料
2、選擇特徵
取決於這個問題領域的特徵
標準:易於提取、對不相關變形保持不變、噪聲不敏感
一個特徵向量通常是用一個列向量表示的
3、選擇模型
4、訓練分類器
基於樣本學習的方法是設計分類器最有效的方法
5、評價分類器
不能太簡單以至於不能描述模式類間的差異,又不能太複雜而對新樣本的分類能力很差
6、計算複雜度
計算簡便性和分類效能上有個折中
模式識別方法可分為四大方面:
模板匹配、統計模式識別、語法及結構匹配和神經網路
==============================================================================
2、貝葉斯決策理論
==============================================================================
Parzen窗法
特點:“鄰域” 體積大小是固定,但“鄰域”包含的樣本點數目可能不同
Kn近鄰法
特點:“鄰域”內包含的樣本點數目固定,但“鄰域”的體積可能不同