模式识别（二）：分类问题简介

 

本系列文章由孙旭编辑，转载请注明出处

http://blog.csdn.net/longyindiyi/article/details/20068781

多谢合作！

 

如果您在阅读文章过程中发现有表述错误的地方，还请指正。

 

根据上一节的知识，不难看出，模式识别的核心任务是——分类。

这一节我们通过一个识别动物种类的简单例子，说明一下分类的基本类别和方法。

一般地，分类问题可以分为两类和多类两种，如下图所示：

有人可能就要问了，为什么要把两类问题专门独立出来呢？

首先，两类问题是分类问题中最简单的一种。其次，很多多类问题可以被分解为多个两类问题进行求解（请看下文分解）。所以，历史上有很多算法都是针对两类问题提出的。

现在，我们看看多类问题的几种处理方式。

1.直接分成多类

2.间接分成多类 I

3.间接分成多类 II

 

可以实现直接分多类的算法并不多，典型的有神经网络。而由后两种方法，可以看出二分类问题的重要性，这类算法典型的有支撑向量机。

解决分类问题，就是用某个算法在训练数据上学习，得出的模型或规则——分类器。然后就可以用该分类器对测试数据进行分类了。用框图表示如下：

在经典统计模式识别中，分类器的设计有两种思路：基于判别函数的分类器和基于距离的分类器。

对于这两类分类器及其代表算法，将在后面的文章逐一为各位呈现。