![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
分类
挣扎的青椒
人工智能与模式识别、遥感图像处理、成像光谱计算、光谱无损检测
展开
-
k近邻分类(kNN)
k近邻分类(kNN)一、KNN原理: kNN属于监督分类方法,原理是利用某种距离度量方式来计算未知数据与已知数据的距离,并根据距离来确定数据光谱间的相似性,选取最近的k个距离作为判定未知数据类别的依据。在分类时,kNN常用方法有:投票法,根据k个距离对应已知数据的类别进行统计,把出现次数最多的类别作为未知数据的类别;平均法,利用k个距离及其对应已知数据的类别,计算k个距离转载 2017-02-13 10:22:47 · 4862 阅读 · 1 评论 -
光谱角制图(SAM)
光谱角制图(SAM) SAM算法是由Kruse等[146]在1993年提出,把图像中的每个像元的光谱视为一个高维向量,通过计算两向量间的夹角来度量光谱间的相似性,夹角越小,两光谱越相似,属于同类地物的可能性越大,因而可根据光谱角的大小来辨别未知数据的类别。分类时,通过计算未知数据与已知数据间的光谱角,并把未知数据的类别归为最小光谱角对应的类别中。 根据两向量间的转载 2017-02-14 15:35:23 · 20468 阅读 · 0 评论 -
最大似然分类法MLC
最大似然分类法MLC前言: 最小距离分类法只考虑了待分类样本到各个类别中心的距离,而没有考虑已知样本的分布,所以它的分类速度快,但精度不高。今天要介绍的是另外一种分类方法——最大似然分类法,它也是分类里面用得很多的一种分类方法,它在分类的时候,不仅考虑了待分类样本到已知类别中心的距离,而且还考虑了已知类别的分布特征,所以其分类精度比最小距离分类法要高。转载 2017-02-14 15:41:30 · 16168 阅读 · 2 评论 -
分类和聚类的区别
1.分类(监督) 分类是数据挖掘中的一项非常重要的任务,利用分类技术可以从数据集中提取描述数据类的一个函数或模型(也常称为分类器),并把数据集中的每个对象归结到某个已知的对象类中。从机器学习的观点,分类技术是一种有指导的学习,即每个训练样本的数据对象已经有类标识,通过学习可以形成表达数据对象与类标识间对应的知识。从这个意义上说,数据挖掘的目标就是根据样本数据形成的类知识并对转载 2017-02-14 20:16:57 · 1560 阅读 · 1 评论 -
超平面简介
超平面什么是超平面我们最常见的平面概念是在三维空间中定义的:Ax+By+Cz+D=0Ax+By+Cz+D=0它由两个性质定义:方程是线性的: 是空间点的各分量的线性组合方程数量为1若抛却维度等于3的限制, 就得到了超平面的定义. 方程数量为1, 它的本质其实是自由度比空间维度dd小一. 自由度的概念可以简单的理解为转载 2017-02-15 09:37:26 · 1545 阅读 · 0 评论 -
线性、非线性分类器&数据的线性、非线性
线性、非线性分类器&数据的线性、非线性一、线性分类器: 有无数个可划分这两个线性可分类的超平面在二维空间里面,一个线性分类器是一条线。图14.8展示了五个分类例子。这些线有一个函数形式w1x1+w2x2=b。线性分类器的分类规则是:如果w1x1+w2x2>b,就把一个文档归类为,如果w1x1+w2x21,x2)T是文档的二维向量表示,转载 2017-02-15 10:40:21 · 4870 阅读 · 1 评论