模式识别第1章.pptVIP

模式识别的训练方法 有监督学习（有教师学习）：预先已知训练样本集合中每个样本的类别标号； 无监督学习（无教师学习）：预先不知道训练样本集合中每个样本的类别标号； 统计识别方法的分类 一、根据样本在空间中的几何分布进行分类 方法一：近邻法； 方法二：判别函数法。 二、根据样本在空间中的概率分布进行分类 贝叶斯分类器 识别系统的设计步骤 收集样本 确定识别特征 特征抽取 特征分析 确定识别方法 性能评价 性能评价： 正确识别率 = 正确分类数/总数 错误识别率 = 错误分类数/总数 拒绝识别率 = 拒绝分类数/总数 空间映射 空间映射是解决特征空间与有效分类之间的桥梁.使用空间映射关系,可以将各种有效的数学方法应用于模式识别之中以解决分类问题. 常用的空间映射方法: 线性映射,傅立叶变换,DCT变换,沃尔什变换,K-L变换,非线性变换. 数据的标准化 1.极差标准化: 一批样本中，每个特征的最大值与最小值之差为极差。 极差 极差标准化 2.方差标准化： Si 为方差 标准化的方法很多，原始数据是否应该标准化，应采用 什么方法标准化，都要根据具体情况来定。 准则函数的选择 准则函数是用以解决分类问题的依据. 对于具体的分类问题应选择合理的分类器设计方法与合理的准则函数,使得分类器的设计满足分类需要. 各种准则函数都是在限定条件下被提出来,因此在实际使用中都有一定的局限性