模式识别与机器学习第一章

一、模式的概念

        广义：存在于时间和空间中可观察的物体。如果可以区别它们是否相同或是否相似，都可以称之为模式。

        狭义：模式所指的不是事物本身，而是从事物获得的信息，模式往往表现为具有时间和空间分布的信息。

        模式的直观特性：可观察性、可区分性、相似性。

二、模式识别的概念

        模式识别：直观，无所不在，“人以类聚，物以群分”。

        目的：利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。

三、机器学习的概念

        机器学习：研究如何构造理论、算法和计算机系统，让机器通过从数据中学习后可以进行如下工作：分类和识别事物、推理决策、预测未来等。

四、模式识别方法

        模式识别系统的目标：在特征空间和解释空间之间找到一种映射关系，这种映射也称之为假说。

        特征空间：从模式得到的对分类有用的度量、属性或基元构成的空间。

        解释空间：将c个类别表示为其中 Ω 为所属类别的集合，称为解释空间。

         机器学习的目标：针对某类任务T，用P衡量性能，根据经验来学习和自我完善，提高性能。

 五、主要分类和学习方法

1.数据聚类（非监督学习，数据驱动&#