分类器就是一些特征和一些阈值.一旦特征和阈值确定了，分类器也就被定义好了。当拿到一个样本时，我们可以把它输入到这个分类器，然后得到这个样本所属的类别。具體說就是对这个样本提取有关的特征，再根据事先学好的关于这个特征的阈值，判定这个样本属于哪一类。所以一旦定义了分类器，就可以进行模式分类了。定义模式分类器的过程称为学习，有两种学习途径－－机器学习和人工学习。机器学习用算法找到特征的最优阈值,而人工学习用我的感觉和对数据的分析和比对。 大家都知道我们这里讨论的模式分类是有监督的分类，也就是说对于现有的样本，我事先用眼睛看过分析过，知道它们的归属，并归好类了。这样我在学习阈值的时候可以有个依据来判断哪个阈值是最好的（当然是基于现有样本最好的）, 达到学习的目的.
1350
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
