a2模式识别与智能计算第二章.pptVIP

解方程组:得:容易检验μ,σ2确实使L(μ,σ)取到最大值，因此它们分别是μ,σ2的最大似然估值。2）估值好坏的判别标准（1）无偏性如果参数θ的估值满足关系式则称是的无偏估值。（2）有效性如果和都是参数的无偏估值则称比有效。进一步，如果固定样本的容量n，使极小值的无偏估值就成为的有效估值。（3）一致性如果对任意给定的正数ε，总有则称的估值是一致的。当对某r≥0成立时，是的一致估值。3）总体参数的区间估计在一次试验中，概率很小（接近于零）的事件认为是实际上不可能发生的事件；而概率接近于1的事件认为是实际上必然发生的事件。对总体参数（如μ,σ2）进行区间估计（即区间参数的取值范围）时，如果对于预先给定的很小的概率α，能找到一个区间（θ1，θ2），使得那么称区间（θ1，θ2）为参数的置信区间。置信区间的估计方法样本情况总体参数μ或σ2的置信区间与置信区间有关的Kα，tα，X2α与Fα的确定小样本已知总体方差小样本总体方差未知小样本已知总体均值小样本总体均值未知2．总体分布函数X2检验法1）X2检验法X2检验法是基于对数据按其取值范围进行分组后计算频数的基础上，考虑每个区间的实际频数｛vi｝与理论频数｛pi｝的差异作出判断。它使用如下的X2统计量：其中N为样本数据的容量，l是分组数。pi根据原假设指定的分布求得。2）检验步骤假设X的分布函数为F(X),这时，相应的假设检验问题为:分两种情况进行统计假设检验。（1）设为已知类型的分布函数，θ1，θ2，…，θk为参数（已知或部分已知），x1，x2，…，xk为总体X的样本，把实轴分成个不相交的区间：，，，其中理解成。记理论频数为：X的样本落在区间的个数为vi（经验频数），根据公式（2－66???）计算统计量X2。设k是原假设指定的分布类中的待估参数的个数，遵从自由度为l-k-1的X2分布，应用X2检验法便可检验假设是否可信。若原假设成立，X2的值应比较小，所以当X2取大的值时是极端情形。例如，原假设是正态分布，，此时，统计学研究表明：当样本容量N充分大且原假设H0为真时，X2统计量近似服从自由度l-k-1的X2分布，即给定显著水平α，设由样本观测值算得的X2值是X02则当时，拒绝H0；否则，接受H0。3．手写数字特征空间分布分析(1)选取样本库中的某一类全体样本。(2）对25个特征作行投影变换。压缩为5个特征。(3)用主成分分析法选取特征第一主成分。1）计算X的协方差矩阵Sn*n。2）计算S的特征值λ1λ2…λn和相应特征向量Cn*n3）计算样本库样本的第一个主分量(4)输出特征分布直方图。(5)正态分析检验.数字0特征空间分布检验效果如图所示。模式识别与智能计算杨淑莹教授天津理工大学计算机科学与工程学院第二章特征的选择与优化2.1特征空间优化设计问题2.2样品特征库初步分析2.3样品筛选处理2.4特征筛选处理2.5特征评估2.6基于主成分分析的特征提取2.7特征空间描述与分析2.8手写数字特征提取与分析2.1特征空间优化设计问题特征选择和优化的基本任务是如何从许多特征中找出那些最有效的特征。在实际应用中，对特征选择与处理大致过程如下图所示。在模式识别处理之前，需要先评估一下特征库是否包含足够信息，用它作模式识别是否可行或值得。1．对样本数量与特征数目要求通常要求样本数量N要足够多，符合下列关系：(1)对两类分类问题：N/n≥5，此处n为特征数目，N为样本的数目。(2)对线性或非线性回归问题：N》n2.2样本特征库初