模式识别知识点学习

第一章绪论

1.1模式识别和模式的概念

• 模式识别:是指用计算机实现人的模式识别能力。
• 模式：通过对具体的个别事物的进行观测所得到的具有时间和空间分布的信息。
• 模式类：把模式所属的类别或同一类中模式的总体。

1.2模式识别系统

• 有两种基本的模式识别方法，即统计模式识别方法和结构模式识别方法，与此对应的模式识别系统都有两个过程组成，即设计和实现。设计是指用一定数量的样本进行分类器的设计。实现是指用所设计的分类器对待识别的样本进行分类决策。
• 其中基于统计方法的模式识别系统主要由4个部分组成：数据获取，预处理，特征提取和选择，分类决策

1. 数据获取：通过测量，采样和量化，用矩阵或向量表示二维图像或一维波形。
2. 预处理：目的是去除噪声，加强有用信息，并对输入仪器或其他因素所造成的退化现象进行复原。
3. 特征提取和选择：由图像或波形所获得的数据量是巨大的，为了有效的实现分类识别，就要对对原始的数据进行变换，得到最能反映分类的特征。
4. 分类决策：在特征空间用统计学的方法把被识别的对象归于某一类别。基本做法就是在样本的训练集上确定某个判别规则，是按照这种判别规则对被识别的对象进行分类所造成的错误识别率最小或损失最小。

第二章贝叶斯决策

• 贝叶斯决策理论方法是统计模式识别中一个基本方法，用这个方法进行分类时要求：
  （1）各类别总体的概率分布是已知的；
  （2）要决策分类的类别数是一定的。
  

第三章概率密度函数估计

第四章线性判别函数