模式识别知识点new_第1页
模式识别知识点new_第2页
模式识别知识点new_第3页
模式识别知识点new_第4页
模式识别知识点new_第5页
全文预览已结束

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、模式识别第一章1. 模式识别的类型（1）确定模式（2）非确定模式（3）随机模式2. 模式的统计特性a) 相似性-先验概率 ：P (vi)b) 类条件概率密度：p (x|vi)3. 模式的主要过程a) 数据处理b) 模式类的模型假设c) 选择最优的模型并分类4. 模式识别的定义Def：依据一定的规则，将模式进行分类的过程。5. 模式识别的典型应用（掌握5个以上）1）语音识别（例如：IBM ViaVoice系统）2）表情分析、年龄、种族、性别分类3）OCR: 车牌照、集装箱号码4）手写体识别：汉王5）手势识别：基于视觉的，基于数据手套6）人脸识别、指纹识别、虹膜识别7）军事目标识别8）生物信息、医

2、学图像6. 统计模式识别的基本思想模式被描述为一组测量值组成的随机特征向量，用概率统计理论对其进行建模，用统计决策理论划分特征空间来进行分类。7. 统计模式识别的一般过程（主要掌握测试模式）考察会细化，如具体分析汽车牌照识别过程预处理特征提取/选择分类测试模式第二章一、基于最小错误率的贝叶斯决策Note： 考查公式，主要考计算题Example1：假设在某地区切片细胞中正常(1)和异常()两类的先验概率分别为P(1)=0.9，P(2)=0.1。现有一待识别细胞呈现出状态x，由其类条件概率密度分布曲线查得p(x|1)=0.2，p(x|)=0.4，试对细胞x进行分类。解：利用贝叶斯公式，分别计算出状

3、态为x时1与的后验概率而 根据贝叶斯决策(2-2)则有P(1|x)0.818P(|x)0.0182因此判定该细胞为正常细胞比较合理。请用公式(2-3)与(2-5)计算，检查一下结果是否一样？二、基于最小风险的贝叶斯决策Note：将X判为何类则应依据所有Ri,(i=1,c)中的最小值，即最小风险来定。Example2： 在Example1条件的基础上，并且已知11=0,(11表示(1|1)的简写)，12=6,21=1，22=0，按最小风险贝叶斯决策进行分类。解：已知条件为P(1)0.9, P(12)0.1p(X|1)0.2, p(X|12)0.r110, 126, 211, 220 根据Exam

4、ple1的计算结果可知后验概率为P(1|X)0.818, P(12|X)0.182再计算出条件风险由于R(1|X)R(2|X)即决策为12的条件风险小于决策为1的条件风险，因此应采取决策行动2，即判待识别的细胞X为12类异常细胞。第三章a线性分类器的基本概念、决策规则，决策面方程线性判别函数的一般形式可表示成： 其中而0是一个常数，称为阈值权。相应的决策规则可表示成g(X)0就是相应的决策面方程b广义线性Note：主要是采用映射的方法去处理问题，具体请看下第三章广义线性判别函数的相关内容。c线性分类器的设计步骤1 按需要确定一准则函数J。2 确定准则函数J达到极值时 及 的具体数值，从而确定判别函数，完成分类器设计。Note：Fisher最好也了解一下Addition：神经网络MP神经元模型：函数模型：BP

人人文库> 全部分类> 教育资料 > 课件下载

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论