欧式距离-贵州大学概要.ppt

贵州大学大数据与信息工程学院 2015.5.8 欧式距离分类器 讲述类容 线性决策函数的回顾 欧式距离 欧式距离的应用 线性决策函数的回顾 线性决策函数为直线方程： 式中： 为二维特征； 为权参数。 线性决策函数的回顾 N维情况 线性决策函数： 式中： 为模式的n维特征向量； 称为权向量或参数向量。 线性决策函数的回顾 在两类情况，决策函数 有以下性质： 时为两类的决策边界。 模式识别的最终目的是实现对观察对象的分类，而分类的基础是模式类的数学表达。 在模式识别理论中，模式类是通过特征来表示，特征选择的好坏，直接影响分类器的性能。 特征的特点 特征是可获取的。 类内稳定。 类间差异。 特征的类别 物理特征（性别，身高，胖瘦等外在的特征） 结构特征（指纹的识别） 数字特征（学号） 特征形成 特征提取： 从一组特征中挑选出对分类最有利的特征，达到降低特征空间维数的目的。 特征选择： 实现特征选择的前提是确定特征是否有效的标准，在这种情况下寻找最有效的特征子集。 特征提取和特征选择的作用 简化计算。特征空间的维数越高，需占用的计算机资源越