模式分类学习笔记
Amandayyt
最开心的事情就是每天吃好,玩好,睡好,美美哒,程序无bug
展开
-
模式分类学习笔记——绪论
准备 用一个礼拜的时间粗略的学习一下这本书,现在开始记录笔记。 模式识别:输入原始数据并根据其类别采取相应行为的能力。 最终目的和处理方法:1.将模型分为几类,然后对感知到的数据进行处理,一过滤干扰(由采样引起而非模型)。2.选择出与感知数据最接近的模型类别。原创 2017-07-18 09:17:45 · 663 阅读 · 0 评论 -
1.3 模式识别系统
1.传感器 2.分割和组织 3.特征提取 出于实践考虑将特征提取器和模型分离器分开。 通常提取具有以下性质的特征: 同类非常相近,不同类有较大差异。 4.分类器原创 2017-07-18 13:22:21 · 647 阅读 · 0 评论 -
1.4 设计循环 1.5学习和适应
1.模式识别系统过程 开始——采集数据——选择特征——选择模型——训练分类器——评价分类器 具体: 1.数据采集 2.特征选择 重点是将先验知识和实验数据相结合 3.模型选择 4.训练 训练是本文重点 1.5 学习和适应 有监督学习:分类和回归,所使用的数据是有标签的 无监督学习:聚类。所用的数据是没有标签的。 强化学习:利用模型输出,和真实值进行对比,不断改进模型原创 2017-07-18 13:38:32 · 191 阅读 · 0 评论 -
二.贝叶斯决策论
2.1引言 是一种基本统计途径 出发点是利用概率的不同分类决策与相应的决策代价之间的定向折中。 做出的基本假设:决策问题可以用概率的形式来描述,并且假设所有相关的概率结构已知。 类条件概率密度:就是条件概率。A事件发生的情况下B事件发生的概率。 x代表的是一种特征,特征的作用就是当x发生的时候,是其中某一种类别的可能性很大。所以可以用x作为区分的特征。 先验概率为P(wj),意思是类别原创 2017-07-18 15:01:49 · 337 阅读 · 0 评论