模式识别讲.pptVIP

模式识别 模式识别——原理、方法及应用 第2次课程概要 模式判别 决策区域和决策函数 广义决策函数 分类超平面 特征空间尺度 协方差矩阵 决策区域 样本用特征空间Rd的特征向量表示 对于分类问题，将特征空间划分为与类对应的区域，这些区域被称为决策区域 决策函数 决策函数 决策函数 线性决策函数遇到什么情况没法有效分类？ 广义决策函数 广义决策函数 例1：应用二次决策函数的一个两类判别问题 广义决策函数 例2：广义决策函数为函数的线性组合的一个两类判别问题 广义决策函数 例3：广义决策函数为多项式的一个两类判别问题 多项式决策函数的计算量 如何解决多分类问题 第一种情况：绝对可分 任何一个类可以从其他所有的类中分离出来 如何解决多分类问题 第二种情况：成对可分 不能达到绝对可分，但可以成对线性可分 常用范数 能够度量特征向量之间距离的四种常用方法 乘方范数 p是控制各维度差异的权重，r则控制样本逐渐分开的时候，它们之间距离的增长速度。 r=p，明可夫斯基范数。 r=p=2，欧几里得范数。 r=p=1，棋盘格范数。 r=p?∞，切比雪夫范数。 欧几里得距离尺度下的等距离面和决策面 2维空间 类别数为2 两个类的均值点分别是 [1 2] [1.5 1] 欧几里得距离尺度下的等距离面和决策面 2维空间 类别数为2 两个类的均值点分别是 [1 2] [1.5 1] 棋盘格距离尺度