去年模式识别.pdfVIP

1、什么是模式识别：使计算机模仿人的感知能力，从感知数据中提取信息（判别物体和行 为）的过程。 2、模式识别包括四个组成部分：数据获取、预处理、特征提取与选择、分类决策。 3、相似性度量满足的条件：a、对称性 b、非负性 c、自身的相似性最大 d、是关于距离的 单调函数。 4、做模式识别的前提条件是每个模式类满足紧致性。 5、Bayes 决策的三个前提条件：a、类别数确定 b、各类的先验概率 P (ωi)已知 c、各类的 条件概率密度函数 p(x|x ωi)已知。 xx p(x| ω )P(ω ) P(ω | x) = i i i ∑p(x| ω )P(ω ) j j j 6、Bayes最小错误率对应于最大后验 P (ωi|xx) xx 7、损失函数的定义：(N类问题)做出决策 D (xx)=ωi，但实际上 xx ∈ωj，受到的损失定义 xx xx 为： λi, j = λ (D(x) = ω |ω ) i, j = 1,2,L, Ni j 条件期望风险：获得观测值 x 后，决策 D(x)造成的损失对 x 实际所属类别的各种可能的平 均，也称为条件风险 R(D(x)|x)。 R(D(x) | x) E ( (x), ) = [λ D ωi ] = ∑λ (D(x) | ω )P(ω | x) i i i ˆ D(x) = argmin R(D(x) | x) D = argmin ∑λ (D(x),ω )P(ω | x) i i D i 8、最小风险决策的计算：a、根据 Bayes 公式计算后验概率 P (ωj |xx) b、根据后验概率及 xx 给定的损失矩阵，算出每个决策的条件风险 R (αi | xx) c、按最小的条件风险进行决策。 xx 9、一元正态分布： 1 (x − µ )2 p(x) = exp(− 2 ) 2πσ 2σ ∞ E x = xp(x)dx = µ { } ∫−∞ ∞ 2 2 2 E (x− µ ) = (x− µ ) p(x)dx = σ