0.引言
1.模式(pattern):
简单说就是规律。具体说是对象的组成成分或影响因素间存在的规律性的关系;或者是因素间存在确定性或随机性规律的对象、过程或事件的集合。也称为模式类。
2.识别(recognition):
对以前见过的对象再认识。
3.模式识别(pattern recognition):
对模式的区分和认识,把对象根据其特征归到若干类别中适当的一类。也称为模式分类。
1.基本术语:
1)样本(sample):
所研究对象的一个个体;
2)样本集(sanple set):
若干样本的集合;
注:DM/PR/ML与统计学的相关概念不同:
样本(sample)——> 样品(example)
样本集(sanple set)——>样本(sample)
3)类(类别):
在所有样本上定义的一个子集,处于同一类的样本在我们所关心的某种性质上是不可区分的,即具有相同的模式。习惯上,经常使用、
等来表示类别,在两类分类问题中也有时用{-1,1}或者{0,1}来表示。
4)特征(feature):
即属性。若存在多个特征,则它们就组成了特征向量。样本的特征构成了样本的特征空间,空间的维数就是特征的个数,则每一个样本就是特征空间中的一个点。某些情况下,对样本的原始描述可能是非数值形式的,此时通常需要采用一定的方法把这些特征转换为数值特征。
5)已知样本(known sample):
指类别标号已知的样本。
6)未知样本(unknown sample):
指类别标号未知但特征已知的样本。
7)模式识别的问题:
用计算的方法根据样本的特征将样本划分到一定的类别中去。