模式识别_1_导论

1.1 模式识别的重要性

目的：将对象分类

重要应用：

 1.机器视觉系统。分析图像生成描述信息

 2.字符识别。印刷体识别，手写识别

 3.计算机辅助诊断

 4.语音识别

5.数据库中的数据挖掘与知识检索。

   对象检索是基于关键词描述和部分字匹配——大量的人工标注

 基于内容的检索——对象间的相似性

 6.相似性搜索与DNA序列比对

1.2 特征、特征向量和分类器

例子：医疗图像分类任务

A.良性 B.恶性

数据库中有一系列A/B样本

以灰度值标准差σ
和均值 μ为坐标画图：

1.2.1 用来分类的测量方法与测量值——特征值

 一般情况下l个特征, 他们一起组成特征向量

                 

 特征——随机变量

 特征向量——向量

1.2.2 决定分类器将特征空间划分为不同的类空间——决策线

关键问题：

 怎么得到特征？

 特征数最好是多少？

 怎么设计分类器？

 如何让评价分类器性能？

1.3 有监督、无监督和半监督学习

有监督学习——有一个可用训练数据集，并通过挖掘先验已知信息来设计分类器

无监督学习or聚类——没有已知类别标签的训练集数据可用。

   在此情况下给定一组特征向量x揭示潜在相似性，并将相似特征向量分在一组

半监督学习or模式识别——已得出原始未知类别的模式——标记数据

     +已知类别的训练模式  ——未标记数据【针对标记数据很有限的情况】