模式识别第6讲.pptVIP

最近邻法的错误率 小结 模式分类方法总结 一、参数判别分类方法与非参数判别分类方法的区别 参数判别方法: 此方法的前提是对特征空间中的各类样本的分布清楚，因此一旦要测试分类样本的特征向量值X已知，就可以确定X对各类的后验概率，也就可按相应的准则计算与分类。如果这种分布可以用正态分布等描述，那么决策域的判别函数与分界面方程就可用函数的形式确定下来。所以判别函数等的确定取决于样本统计分布的有关知识。因此参数分类判别方法一般只能用在有统计知识的场合，或能利用训练样本估计出参数的场合。 模式分类方法总结 非参数分类判别方法: 此方法着眼于直接利用训练样本集，省去参数估计这一环节，这样一来，从保证最小错误率的原则出发计算确定判别函数的方法就不适用了。因此非参数分类判别方法只能根据一些其它准则来设计分类器。分类器的效果好坏，常指分类的错误率，一般在理论上很难说明，主要靠实践来检验。所选择的判别函数型式，所使用的训练样本集，以及所用的算法对结果都会有影响。 模式分类方法总结 二、非参数分类判别方法的基本做法 使用非参数分类判别方法进行分类器设计主要包含两个步骤： （1）一个是确定的使用的判别函数类型或决策面方程类型，如线性分类器、分段线性分类器，非线性分类器等或近邻法等。如果使用人工神经元网络，则怎样的网络