模式识别与图像处理期末

乔一君

已于 2022-06-07 21:56:36 修改

阅读量340

点赞数

分类专栏：大二下期末考试文章标签：图像处理聚类算法

于 2022-06-05 18:20:46 首次发布

本文链接：https://blog.csdn.net/weixin_46025925/article/details/125128932

版权

6 篇文章 0 订阅

订阅专栏

在这里插入图片描述

在这里插入图片描述

直接考察聚类结果而不用任何参考模型
簇的划分C={C1, C2, … , Ck}

将聚类结果与某个“参考模型”进行比较（越大越好）
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

二分K-means聚类 Bi-Kmeans

基于密度的聚类
在这里插入图片描述

对问题进行拆分，为拆出的每个二分类任务训练一个分类器
对每个分类器的预测结果集成获得最终的多分类结果
- 拆分策略：
  - 一对一
    - N个类别两两配对得到N(N-1)/2个分类器
    - 新样本提交给所有分类器，被预测最多的类别为最终类别
    - 训练存储开销大，但每个训练器只用两个类的样例，训练时间短
  - 一对其余
    - 某一类为正例，其他反例得到N个分类器
    - 新样本提交给所有分类器，置信度最大的类别为最终类别
    - 存储开销小，训练用到全部训练样例，训练时间长
  - 多对多 输出纠错码ECOC码
    - 对N个类别做M次划分，每次划分将一部分类别划为正类，剩余部分类别划为负类，得到N×M的编码矩阵。
    - 新样本提交给M个分类器，得到分类结果为（y1, y2, … , ym）, 求各类别与分类结果向量的欧氏距离/海明距离得到最终分类结果

暂无

激活函数将输入值映射为输出值 神经元兴奋1/抑制0
激活函数给神经元引入了非线性因素,使得神经网络可以任意逼近任何非线性函数,这样神经网络就可以应用到众多的非线性模型中
激活函数的作用就是让线性函数变为非线性函数，增加网络的非线性、复杂度
分类

阶跃函数
Sigmoid函数
tanh函数
ReLU函数：
- 随着神经网络的隐层不断增加，偏向于使用ReLU函数作为激活函数，因为ReLU在X正半轴的导数为1，不易产生梯度消失问题
- 以分段线性函数逼近目标，具有非线性逼近能力
- ReLU更快。因为它们涉及到更简单的数学运算。它们不需要任何规范化和指数计算