数字图像处理（官云兰）第9章 模板匹配与模式识别.pptVIP

特征选择方法： （1）穷举法 从m个原始的测量值中选出n个特征，共有Cmn种， 可能对每一种选法用已知类别属性的样本进行测试， 测出其正确分类率，分类误差最小的一组特征便是最 好的选择。 优点：提供最优的特征子集； 缺点：计算量大 （2）最大最小类对距离法 基本思想：首先在K个类别中选出最难分离的一对类别，然后选择不同的特征子集，计算这一对类别的可分性，具有最大可分性的特征子集就是该方法所选择的最佳特征子集。 特征变换： 特征变换是将原有的m个测量值集合通过某种变换，然后产生n个（nm)特征用于分类。 统计分类法可分为监督分类和非监督分类。 （1）监督分类 根据预先已知类别的训练样本，求出各类在特征空间 的分布，然后利用它对未知数据进行分类的方法。 学习：根据类别名选定训练样本，求各类特征矢量 分布的判别函数g1~gc(c为类别数） 对于待分类的特征矢量（或称模式） X=(x1,x2,…,xn),计算各判别函数的值g1(X)~gc(X) 在g1(X)~gc(X)中选择最大者，把模式X分到这一类 2.统计分类法 （1）距离判别函数 欧氏距离 L距离（绝对距离） 常用的判别函数： 马氏距离 集群I的协方差矩阵 最小距离法 利用马氏距离判别，则K有可能属于MB类 利用数据的统计特征，假定各类的分布函数为正态分布，按正态分布规律