第七章模式识别导论.ppt

由此解出判别系数为： 并可得到 及临界值 Z*=4.32303 2. Bayes意义下的判别分析 （1）正态母体下的判别函数 假设由m个变量x1, x2, …, xm组成的每一个体都来自于G个母体A1, A2, …, AG中的一个，今给出一个体，用矢量记为x = (x1, x2, …, xm)，现在要判断x来自于那个母体，换句话说，需要把x划归G个母体中的某一个Ag(g=1, 2, …,G) 基本思想：把x看作m维空间中的一个点，Bayes准则就是找出把空间R(m)分为互不相交的G个完备子空间R1, R2, …,RG的一种划分方法。一旦子空间划定后，任一事物x就必然落在且仅落在这G个子空间中某一子空间Rg中。 记观察到的样本的数据 xigk i = 1, 2, …, m; g = 1, 2, …,G; k = 1, 2, …, ng ; n1 + n2 + … + ng = N 其中g表示类，ng表示g中的样本数。 对于正态母体，满足Bayes准则的判别函数为： （1） （2）判别效果的检验 （i）检验两个母体之间的判别效果 检验两个母体之间的判别效果可以借助T2统计量 （ii）检验对多个母体的判别效果 Wilks∧准则 记观察到的样本的数据 xigk i = 1, 2, …, m; g = 1, 2, …,G; k = 1, 2, …, ng ; n1 + n2 + … + ng = N 其中g表示类，ng表示g中的样本数。 它来自G个具有相同协方差矩阵的m为正态母体，今定义组内离差矩阵W=(wij)m·n，组间离差矩阵B=(bij)m·n和总离差矩阵T = W+B， 组内离差矩阵W=(wij)m·n 组间离差矩阵B=(bij)m·n 另外，Wilks量还可以用F统计量来近似代替，其中最简单的形式为m=1，即一维的Wilks量有 * 第八章 模式识别方法 8.1 导言 模式识别方法是50年代早期提出来的，60-80年代在各个学科得到广泛应用。化学学科在此期间发表了数百篇文章。到80年代，模式识别方法发展为一种非常成熟的多元分析方法。 在低维空间如二维、三维空间，人眼对模式识别能力最强，但是在高维空间则必须借助于数学的方法才能够对模式进行区分。 什么是模式识别？ 模式识别属于多元识别方法，它借助于计算机来揭示隐含于事物内部规律的一种综合分析技术。 模式识别是一种从大量信息和数据出发,在专家经验和已有认识的基础上,利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别的过程。 模式识别包括相互关联的两个阶段,即学习阶段和实现阶段,前者是对样本进行特征选择,寻找分类的规律；后者是根据分类规律对未知样本集进行分类和识别。 模式识别的类型： 有监督模式识别：在模式识别时，如果样品的类别是已知的，先用一组已知类别的化合物作为训练集，建立判别模型，再用建立的模型根据相似性原则来对未知样品进行识别，称谓判别分析。判别分析是在事先知道样本类别的特征的情况下建立判别模型对样本进行识别归属，是一种有监督模式识别。包括线形判别，逐步判别方法，KNN法，SIMCA方法，神经网络等 无监督模式识别：如果预先不知道样本的类别，要在学习过程中根据样本的相似性对被识别的样品进行识别分类和归类，称为聚类分析。聚类分析是完全依靠样本自然特性进行识别的方法，是一种无监督模式识别。包括最小生成树，聚类分析等。 模式识别的研究内容和应用领域： 广义的模式识别属计算机科学中智能模拟的研究范畴,内容非常广泛,包括声音和语言识别、文字识别、指纹识别、声纳信号和地震信号分析、照片图片分析、化学模式识别等等。 模式识别可用来进行有机结构解析，研究定量构效关系，识别真伪商品，追踪污染源，进行药物分类、临床诊断、矿物普查、考古研究、材料设计等。 模式识别过程的框图 8.2 数据的表示及预处理 在模式识别中，常把实验数据表示为多维空间中的点。对于一次观察（称样本），可用矢量表示为 x = (x1, x2, …, xn)T 其