去年这个时候就已经接触过了模式识别,但为的是解决学校课程,因此没有深入理解这个方向。现在抽空余时间将整个模式识别、机器学习、深度学习汇总集中学习一遍,顺便更新一些小的笔记和感悟与此,既是加深记忆,分享感悟,也是方便未来查看。如有错误,望广大网友指正,教学相长。
模式识别通识
Pattern Recognition 即模式识别,字面意思就是要:将模式认识出来,再将其区别开来。
用数学语言更抽象地去理解则可以表述如此:对于关注事件所发生的一系列情况,存在一个完全描述空间D。任取维数为m的分类空间P,总存在维数不小于n的特征空间R,满足由R→P的映射。一般的m为事件分类的种类个数,n为从空间D中提取出的满足m类区分的最小特征个数。其中R→P的映射,即为认识模式和区别模式的过程。
模式识别流程
模式识别,就是要找到由R→P的映射,而找到映射的前提,则先需要找到分类空间P和特征空间R。
一般的模式识别都需要①找到分类空间 →②使用分类空间分类
①找到分类空间,就是要确定最优的特征空间,确定映射关系和分类空间 ≈(聚类)
实现方法:获取数据及处理→空间降维(特征)→选择分类方法→获得分类空间
②使用分类空间分类(分类)
实现方法:获取新的数据→①空间降维→①分类方法→①分类空间