- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
第6章 近邻法Chapter 6: Nearest Neighbor method;6.1 近邻法的基本原理
6.2 k-近邻法的基本原理
6.3 近邻法的分类错误率分析
6.4 近邻法的改进算法
6.5 最佳距离度量近邻法;6.1 近邻法的基本原理;6.1.1 关于近邻法;近邻法原理及其决策规则 ;最小距离分类器
每个类别只有一个”代表点”
;基于距离的分段线性函数
每个类别用多个”代表点”表示;近邻法原理及其决策规则;例
A类有10个训练样本,因此有10个模板,
B类有8个训练样本,就有8个模板。
任何一个待测试样本在分类时与这18个模板???算一算相似度,
如最相似的那个近邻是B类中的一个,就确定待测试样本为B类,否则为A类。
因此原理上说近邻法是最简单的。;;;6.1.2 近邻法应用实例:人脸表情识别;;表情识别流程:;;;;;第 1 类表情(AN)的分类正确率: 90.000000%
第 2 类表情(DI)的分类正确率: 90.000000%
第 3 类表情(FE)的分类正确率: 76.666667%
第 4 类表情(HA)的分类正确率: 90.000000%
第 5 类表情(NE)的分类正确率: 93.333333%
第 6 类表情(SA)的分类正确率: 76.666667%
第 7 类表情(SU)的分类正确率: 83.333333%;6.1.3 近邻法的决策面;返回本章首页;返回本章首页;6.1.4 近邻法的优缺点;6.2 k-近邻法的基本原理;6.2.1 关于 k-近邻法;k-近邻法决策规则 ;27; 如何选择k值,有许多学者进行过研究 (不属于课堂教学范围);6.3 近邻法的分类错误率分析;对分类错误率的直观认识;在一些特殊情形下按理论公式计算; 最近邻法的错误率是比较难计算的,这是因为训练样本集的数量总是有限的,有时多一个少一个训练样本对测试样本分类的结果影响很大。;最近邻法的错误率; 因此当计算近邻法的分类错误率时,必须考虑N为无穷大时的情况。;;6.3.2 近邻法的分类错误率;6.3.3 k-近邻法的分类错误率;小结;6.4 近邻法的改进算法; 尽管近邻法有其优良品质,但是它的一个严重弱点与问题是需要存储全部训练样本,以及繁重的距离计算量。;【剪辑近邻法 】; 剪辑近邻法的基本思想是从这样一个现象出发的,即当不同类别的样本在分布上有交迭部分的,分类的错误率主要来自处于交迭区中的样本。;;【基本步骤】;;;【举例】;;;;;;;【引言】;【压缩近邻法的基本思想】;【步骤】;;上页图中说明的问题:;6.4 最佳距离度量近邻法;6.4.1 最佳距离的提出;6.4.2 最佳距离的公式推导;;6.5.2 最佳距离的公式推导(续);模式分类方法总结;模式分类方法总结;模式分类方法总结;模式分类方法总结;模式分类方法总结;模式分类方法总结;模式分类方法总结
文档评论(0)