模式识别学习笔记
柳叶吴钩
叶底藏花一度,梦里踏雪几回
展开
-
基于Python实现粒子滤波
1、建立仿真模型(1)假设有一辆小车在一平面运动,起始坐标为[0,0],运动速度为1m/s,加速度为0.1m/s2m/s^2m/s2,则可以建立如下的状态方程:Y=A∗X+B∗UY=A*X+B*UY=A∗X+B∗UU为速度和加速度的的矩阵U=[10.1]U= \begin{bmatrix} 1 \\ 0.1\\ \end{bmatrix} U=[10.1]X为当前时刻的坐标,速度,加速度X=[xyyawV]X= \begin{bmatrix} x \\ y \\ yaw \\ V \e原创 2020-11-29 22:54:45 · 5780 阅读 · 6 评论 -
模式识别(四)特征选择(待续)
4.1引言4.2预处理4.2.1.剔除离群点4.2.2数据归一化4.2.3丢失数据4.3峰值现象4.4基于统计假设检验的特征选择4.5接收机操作特性曲线4.6类可分性测量4.7特征子集的选择4.8最优特征生成4.9神经网络和特征生成/选择4.10推广理论的提示4.11贝叶斯信息准则...原创 2020-06-02 01:06:06 · 326 阅读 · 0 评论 -
模式识别(三)非线性分类器(待续)
模式识别(三)非线性分类器3.1引言3.2 异或问题3.3 两层感知器3.4 三层感知器3.5基于训练集准确分类的算法3.6反向传播算法3.7反向传播算法改进3.8代价函数选择3.9神经网络大小的选择3.10 仿真3.11 具有权值共享的网络3.12 线性分类器的推广3.13 线性分类法中l维的空间3.14多项式分类器3.15径向基函数网络3.16通用逼近3.17概率神经网络3.18支持向量机:非线性情况3.19超越SVM的范例3.20 决策树3.21 合并分类器3.22 合并分类器的增强法3.23类的不平原创 2020-05-18 01:21:17 · 453 阅读 · 0 评论 -
模式识别(二)线性分类器(待续)
模式识别(二)线性分类器2.1 引言2.2 线性判别函数和决策超平面2.3感知器算法2.4最小二乘法2.5 均方估计2.6逻辑识别2.7支持向量机2.1 引言2.2 线性判别函数和决策超平面2.3感知器算法2.4最小二乘法2.5 均方估计2.6逻辑识别2.7支持向量机...原创 2020-05-18 01:10:46 · 435 阅读 · 0 评论 -
模式识别(一)基于贝叶斯决策理论的分类器
1.1 引言1.2贝叶斯决策理论1.3判别函数和决策面1.4正态分布的贝叶斯分类1.5未知概率密度函数的估计1.6最近邻规则1.7贝叶斯网络原创 2020-05-18 00:47:24 · 1016 阅读 · 0 评论