距离分类器第二章距离b分类b器.ppt

第二章 距离分类器和 聚类分析 2.1 距离分类器 一、模式的距离度量 距离函数应满足的条件 对称性： 常用的距离函数 欧几里德距离：(Eucidean Distance) 常用的距离函数 街市距离：(Manhattan Distance) 常用的距离函数 明氏距离：(Minkowski Distance) 常用的距离函数 角度相似函数：(Angle Distance) 二、单个标准样本距离分类器 M个类别： 建立分类准则 如果有： 距离分类器 三、多标准样本的距离分类器 M个类别： 多标准样本的距离分类器 平均样本法 对每一类求一个标准样本T(m)，使T(m)到所有训练样本的平均距离最小： 平均样本法的特点 算法简单 存储量小 计算量小 效果不一定很好 平均距离法 已知Ωi类有训练样本集： 最近邻法 待识模式X与类别Ωi的距离： 最近邻法的改进 平均样本法：用一点代表一个类别，过于集中； 最近邻法：以类内的每一点代表类别，过于分散； 改进最近邻法：将每个类别的训练样本划分为几个子集，以子集的平均样本作为代表样本。 K-近邻法 计算X与所有训练样本的距离； 对所计算出的距离从小到大排序； 统计前K个中各类样本的个数Ni； 如果： 则判别： 2.2 聚类分析 简单聚类法 系统聚类法 动态聚类法 简单聚类法（试探法）