一.基本概念
1.模式是描绘子的组合,通常用特征来表示描绘子。
模式类是指具有某些共同属性的一组模式。模式类用 w1 , w2 ,……, wW 表示,其中 W 是模式类数。
2.常用的三种模式组合是向量、串和树。
(1)模式向量:模式向量用于定量描述。其形式为
其中 xi 表示第 i 个描绘子。用一个经典的例子来说明模式向量,通过测量鸢尾花花瓣的宽度和长度来识别三种鸢尾花。每种花用这两个度量来描述
生成模式向量可得到由定量信息表征的模式类。
(2)串描述适于生成其结构是基于基元的较简单的连接,并且通常是和边界形状有关系的目标模式和其他实体模式。
(3)数形描述是一种更有效的方法,基本上,多数层次排序方案都会导致树形结构。树的根表示正幅图像,每下一层都将描述更细节的元素。
二.识别策略
3.决策理论方法识别:决策理论方法识别是以使用或判别函数为基础的。决策理论模式识别的基本问题是找到 W 个决策函数
4.从类 wj 中分离出类 wi 的决策边界,由满足 di(x)=dj(x) 的 x 值给出。通常的做法是使用单一函数
5.基于匹配的识别技术:通过一个原型模式向量来表示每个类。根据一种预先定义的度量,将一个未知模式赋予最接近的类。最简单的方法是最小距离分类器。
三.分类器
6.最小距离分类器:将每个模式类的原型定义为该类模式的平均向量,即
mj=1Nj∑x∈wjxj j=1,2,...,W
其中 Nj 是来自 wj 类模式向量的数量。求未知模式向量 x 的类成员的一种方法是将它赋给其最接近的原型类。使用欧氏距离求接近程度,即
若 Di(x) 是最小距离,则把 x 赋给类
dj(x)=xTmj−12mTjmj j=1,2,...,W
并在获得最大值 di(x) 时,将 x 划归类
对于一个最小距离分类器,类 wi 和类 wj 之间的决策边界为