模式识别个人的总结.docxVIP

模式识别个人总结 篇一：模式识别教材总结 　　模式识别教材总结 　　本教材共分为十章，主要围绕特征提取与选择，分类器设计和聚类分析，以及分类器和聚类结果的性能评价方法的主要内容讲述模式识别的基本概念、基础理论和典型方法，为从事模式识别研究的学者提供一本基础的教材，同时也为在其他学科应用模式识别技术的学者提供了基础。　　第一章主要讲述了模式识别的基本概念和模式识别系统的基本构成，同时也展示了模式识别广阔的应用空间。　　第二章主要讲述了以贝叶斯决策为核心的统计决策的基本思想和原理，介绍了最小错误率贝夜斯决策和在控制一类错误率的情况下使另一类错误率尽可能小的Neyman-Pearson决策的方法，还给出了正态分布下部分决策的具体形式和错误率的计算，并举例说明了离散情况下使用马尔可夫模型的统计决策方法。统计决策的基本原理就是根据各类特征的概率模型来估算后验概率，通过比较后验概率进行决策。而通过贝叶斯公式，后验概率的比较可以转化为类条件概率密度的比较，离散情况下也是类条件概率的比较，而这种条件概率或条件密度则反映了在各类的模型下观察到当前样本的可能性或似然度，因此可以定义两类之间的似然比或对数似然比进行决策。根据面对的具体问题不同，各类特征的概率模型可能会变得非常复杂，但是基本的求解步骤和决策原理是一致的。在概率模型准确的前提下，统计决策可以得到最小的错误率或者最小的风险，或者是