智能计算期末复习重点.pdf

1.智能计算是什么？ 智能计算是模拟自然界生物行为模式以实现复杂问题求解的计算方法，是研究复杂的、不确 定的变化的环境中智能行为的自适应机制。 2.模式识别是什么？ 目的让机器自动识别事物: 方法让计算机分析结果与标准模板的相似度进行计算。: 结论分类结果: 3. 人工智能的概念 人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一 门新的技术科学 4.模式识别系统的组成部分 信息获取通过测量、采样和量化，可以用矩阵或向量表示二二维图像或以为波形。: 预处理去除噪声，加强有用的信息，并对输入测量仪器或其他因素造成的退化现象进行复: 原。 特征选择和提取为了有效地实现分类识别，就要对原始数据进行变换，得到最能反映分类: 本质的特征。 分类决策在特征空间中用统计方法把识别对象归为某一类。: - 5.什么是特征选择优化（分类问题，聚类问题） 分类：建立分类模型来描述数据集或概念集通过分析由属性描述的数据元组来构造模型。 聚类：以相似性为基础，在一定度量标准下构造数据元组的分类模型。 6.聚类准则数列方法 7.最优化过程的分类 8.有监督学习和无监督学习是什么，区别 监督学习方法用来对数据实现分类，分类规则通过训练获得。该训练集由带分类号的数据集 组成，因此监督学习方法的训练过程是离线的。 非监督学习方法不需要单独的离线训练过程，也没有带分类号标号 的训练数据集，一般用( ) 来对数据集进行分析，如聚类，确定其分布的主分量等。 9.相关分析的主要原理 主成分分析是一种数学降维方法利用正交变换把一系列可能线性相关的变量转换为一 组线- 性不相关的新变量，也称为主成分，从而利用新变量在更小的维度下展示数据的特征。 10.分类器当中类类的距离，类间之间的准则（数学公式） 样品与类之间的距离 类内距离 11.手写数字特征的方法p36 （）搜索数据区，找出手写数字的上下左右边界 1 （）将数字区域平均分成 的小区域 2 5*5 3 5*5 5 5 （）计算 的每个小区域中黑色像素的占比，第一行的 个必知保存到特征的钱 个， 第二行对应着特征的6-10个以此类推 12.模型相似性的测度 13.欧氏距离，夹角余弦的公式p43 欧式距离 夹角余弦 欧氏距离能够体现个体数值特征的绝对差异，所以更多的用于需要从维度的数值大小中体: 现差异的分析; 余弦相似度更多的是从方向上区分差异，而对绝对的数值不敏感。: 14.类间距离的计算方法 15.什么叫近邻准则，计算方法，优缺点p50 K ( ) 如果一个实例在特征空间中的 个最相似 即特征空间中最近邻的实例中的大多数属于某一 个类别，则该实例也属于这个类别。 KNN 算法描述: 1)计算测试数据与各个训练数据之间的距离; 2)按照距离的递增关系进行排序; 3) K ; 选取距离最小的 个点 4) K ; 确定前 个点所在类别的出现频率 返回前 个点中出现频率最高的类别作为测试数据的预测分类 5) K 优点：简单，高效，对于边界不规则的数据效果好于线性分类器，对于类内间距小，类间间 距大的数据集分类效果好。 缺点：耗时高，对于随机分布的数据集分类效果较差， 16图片预处理步骤 - - - - - - / 读入图像 去除噪声 灰度化 图像增强 二值化 边缘提取 直方图匹配 轮廓匹配 17.朴素贝叶斯的算法流程(ppt) 18.朴素贝叶斯公式(ppt) 19.先验概率，类条件概率，后验概率(ppt) 20.区别的方法（最小风险，最小错误率）例子p54-66 21.什么是判别函数分类器 22.人工神经元（图要会画）（人工神经元和人工神经网络要区分开） 人工神经网络 23.激活函数有哪些 24.人工神经元有哪些特点，有什么优点 25.Bp神经网络的图 25.训练过程 26.k-means算法的思想和设计步骤（很重要） N