模式识别
文章平均质量分 86
模式识别学习总结
cardinal_508
成天胡思乱想的人!
展开
-
近邻法分类
近邻法分类近邻法原理模式识别的分类方法分为两类(1)将特征空间划分成决策域 →\rightarrow→判别函数(2)模板匹配 →\rightarrow→与标准模板进行比较最小距离分类器→\rightarrow→极端情况全部训练样本作为标准模板测试数据与每一个模板进行比较最近邻的模板标签作为分类结果定义:对于一个CCC累呗分类问题,每类有NiN_iNi个样本,其中,i=1,2,...,c,i=1,2,...,c,i=1,2,...,c,则第iii类wiw_iwi的判别函数gi(x)=m原创 2021-03-19 13:20:56 · 719 阅读 · 0 评论 -
非线性分类器
非线性分类器分段线性判别函数分段线性函数的基本思想分段线性函数是一种特殊的非线性判别函数,它确定的决策面是由若干超平面段组成的由于它的基本组成仍然是超平面,因此,与一般超曲面相比是简单的;又由于它是由多段超曲面组成的,所以它能逼近各种形状的超曲面,具有很强的适应性把各类划分成适当的子类,在两类的多个子类之间构建线性判别函数,然后把它们分段合并成分段线性被别函数。分段线性距离分类器(1)当两类都是单峰分布如服从正态分布且两类的方差相等时,基于最小距离的判别法为g(x)=∥x−μ1∥2−∥原创 2021-03-04 09:21:48 · 1292 阅读 · 0 评论 -
线性判别函数的基本概念
线性判别函数的基本概念线性判别函数的一般表达式g(x)=WTX+W0g(x)=W^TX+W_0g(x)=WTX+W0其中:X−−dX--dX−−d维特征向量标识为:xT=[x1,x2,...,xd]Tx^T=[x_1,x_2,...,x_d]^TxT=[x1,x2,...,xd]TW−−W--W−−权向量表示为:wT=[w1,w2,...,wd]Tw^T=[w_1,w_2,...,w_d]^TwT=[w1,w2,...,wd]TW0−−W_0--W0−−常数,称为阈值权分类原创 2021-02-22 23:45:23 · 2234 阅读 · 1 评论 -
贝叶斯相关知识总结
贝叶斯相关知识总结叶贝斯相关知识点包括:先验概率条件概率后验概率贝叶斯公式和相关准则正态分布的贝叶斯决策先验概率根据以往经验分析得到的概率,通俗的讲就是根据统计规律得到的概率,符号表示为 P(X)P(X)P(X)。比如:有红蓝两个颜色的小球,红的3个、蓝的2个,红色球的先验概率是35\frac{3}{5}53,蓝球的先验概率是25\frac{2}{5}52。条件概率相关事件的概率也叫条件概率,还是用上面小球的例子说明,事件A :第一次抓球取得蓝球的概率,P(A)=25P(A)原创 2021-02-17 00:34:26 · 666 阅读 · 1 评论