==============================================================================

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