模式识别(蔡宣平主讲).ppt

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 双曲余弦函数 * 双曲余弦函数 * 双曲余弦函数 * 双曲余弦函数 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 一次准则函数及梯度下降法也可以推广应用于多类问题。由于多类问题的第三种分类途径没有不确定区，我们只针对这种途径介绍感知器训练算法，其它算法是类似的。 * * * * * * * * * * * * * * * * * * * * * * * * 从3.4节开始介绍第一步：利用训练样本求解权矢量，首先是用Fish判别的方法。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 预期的类数， =初始聚类中心个数(可以不等于c)， =每一类中允许的最少模式数目， =类内各分量分布的距离标准差上界， =两类中心间的最小距离下界， =在每次迭代中可以合并的类的最多对数， =允许的最多迭代次数。 预期的类数， =初始聚类中心个数(可以不等于c)， =每一类中允许的最少模式数目， =类内各分量分布的距离标准差上界， =两类中心间的最小距离下界， =在每次迭代中可以合并的类的最多对数， =允许的最多迭代次数。 * * * * * * * * * * * * * * * * * * * * * 分类→特征空间的划分→寻求子区域的界面→判别函数→判别函数的结构与参数的确定→待识别模式特征矢量代入判别函数后取值。 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 矩阵对角线元素之和为矩阵的迹. * 矩阵对角线元素之和为矩阵的迹. * 矩阵对角线元素之和为矩阵的迹. 参考程序swst * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * From Sergios Theodoridis K. Koutroumbas, Pattern Recognition, Academic press, 1999 pp352 Figure 11.1 * From Sergios Theodoridis K. Koutroumbas, Pattern Recognition, Academic press, 1999 pp352 Figure 11.1 * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 二维情况下,就是通常指的方差 * * * * * * * * 正态分布的合理性，数学表达和意义的简单性 * k=1,P=0.683;k=2,P=0.954;k=3,P=0.997 * * * * * * * * * * * * * * * * * From Sergios Theodoridis K. Koutroumbas, Pattern Recognition, Academic press, 1999 pp352 Figure 11.1 * From Sergios Theodoridis K. Koutroumbas, Pattern Recognition, Academic press, 1999 pp352 Figure 11.1 * From Sergios Theodoridis K. Koutroumbas, Pattern Recognition