哈工大模式识别课件—第4章概率密度函数的非参数估计.pptxVIP

第四章 概率密度函数的非参数估计;4.1 基本思想;4.1 基本思想;有效性;收敛性;区域选定的两个途径;Parzen窗法和K-近邻法;4.2 Parzen窗方法;1维数据的窗函数;概率密度函数的估计;窗函数的要求;窗函数的形式;窗函数的宽度对估计的影响;窗函数的宽度对估计的影响;识别方法;Parzen窗的神经网络实现;简化神经元模型;Parzen窗函数的神经元表示;概率神经网络(PNN, Probabilistic Neural Network);PNN的训练算法;PNN分类算法;径向基函数网络(RBF, Radial Basis Function);径向基函数网络的训练;4.3 近邻分类器;k-近邻分类器;k-近邻分类，k=13;最近邻规则;Voronoi网格;距离度量;常用的距离函数;常用的距离函数;常用的距离函数;常用的距离函数;常用的距离函数;常用的距离函数;最近邻分类器的简化;部分距离法;预分类（搜索树）;预分类（搜索树）;剪辑近邻法;剪辑近邻法;剪辑近邻法;RCE网络;RCE网络的训练算法;;RCE网络的分类算法