Statistical Pattern Recognition-A Review (1999)读后感

很好的一篇综述型文章，作者Anil K. Jain等

目录结构

1 介绍

1.1 何为模式识别

1.2 模板匹配

1.3 统计方法

1.4 语义方法

1.5 神经网络

2 统计模式识别

数字识别的可用特征集（30*48的图像）：1）76个字符形状的Fourier系数 2）216个轮廓关系 3）64个KL系数 4）240个2*3窗口象素平均值 5）47 Zernike moment 6）6 morphological 特征。

HANDWRITTEN DIGIT RECOGNITION BY COMBINED CLASSIFIER

3 维数曲线以及peaking phenomena

4 维缩减

4.1 特征抽取

4.2 特征选择

5 分类器介绍

6 分类器合并

6.1 选择和训练单个分类器

分类器之间越不相关越好

6.2 合并

6.3 合并的理论分析

6.4 一个例子

nearest mean method 

7 误差评估

特定训练数据测试数据集上的误差是个随机数

8 无监督分类器

记住：1）每个聚类算法都将在数据集上找到聚类，不管原来有没有聚类 2）没有一个最优的聚类问题。实验不同的聚类算法，数据收集，表示，规则化聚类验证和聚类算法选择同等重要。

8.1 平方误差聚类

Mahalanobis 距离 -〉hyper-ellipsoidal shaped clusters

8.2 混合分解

8.2.1 基本定义

8.2.2 EM算法

8.2.3 组件个数估算

9 讨论

9.1 模式识别研究的前线

9.2 重要的结论

 

读后感：

1.三种分类器：基于相似性的，基于概率的，基于分类边界的

2.选取的特征不是越多越好（当训练数据一定时）