模式分类
文章平均质量分 54
zhaoyinshuai
这个作者很懒,什么都没留下…
展开
-
统计模式识别的原理与方法
1 统计模式识别的原理与方法简介 1.1 模式识别 什么是模式和模式识别? 广义地说,存在于时间和空间中可观察的事物,如果可以区别它们是否相同或相似,都可以称之为模式;狭义地说,模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息;把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)]。而“模式识别”则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。 模转载 2015-11-04 16:30:37 · 11329 阅读 · 1 评论 -
模式识别综述
一、引言 模式识别是研究如何让机器能观察环境,并从环境背景中将感兴趣的目标提取分离、分类的过程;给定一个模式,它的识别、分类包含以下两方面的任务:指导性分类及非指导性分类。所以识别问题基本等价于分类、分组的问题,类(组)的概念是有设计者指定的或有算法依据数据在一定的相似性准则下建立的。模式识别应用的领域越来越广,从生物学、数据挖掘、文档分类、文档图像分析、工业自动化、多媒体数据库检转载 2015-11-04 16:26:03 · 3760 阅读 · 0 评论 -
EM-期望最大化算法
em算法编辑 最大期望算法(Expectation Maximization Algorithm,又译期望最大化算法),是一种迭代算法,用于含有隐变量(hidden variable)的概率参数模型的最大似然估计或极大后验概率估计。 中文名 em算法 外文名 Expectation Maximization Algorithm 别 名 期望最大化算法 用 于 含有隐变量的概率参数模型转载 2015-11-04 21:01:55 · 2792 阅读 · 0 评论 -
隐马尔科夫模型
1、马尔科夫过程 马尔可夫过程的定义:⑴设 是一个随机过程,如果在 在 时刻所处的状态为已知时,与它在时刻 之前所处的状态无关,则称具有马尔可夫性。 ⑵设 的状态空间为S,如果对于任意的n≧2,任意的 ,在条件 下,X(tn)的条件分布函数恰好等于在条件 下的条件分布函数,即则称 为马尔可夫过程。2、马尔科夫链 马尔可夫链(Markov Chain),描述了一种转载 2015-11-04 21:47:29 · 667 阅读 · 0 评论 -
贝叶斯决策
1、先验概率下面先讨论一个例子——癌细胞的识别,以此说明解决问题的过程。假设每个要识别的细胞已作过预处理,并抽取出了d个特征描述量,用一个d维的特征向量X表示,识别的目的是要依据该X向量将细胞划分为正常细胞或者异常细胞。这里我们用ω1表示是正常细胞,而ω2则属于异常细胞。 类别的状态是一个随机变量,而某种状态出现的概率是可以估计的。概率的估计包含两层含义,一是由统计资料表明,正常细胞与异常细胞转载 2015-11-04 20:08:38 · 943 阅读 · 0 评论 -
HMM学习笔记_1(从一个实例中学习DTW算法)
DTW为(Dynamic Time Warping,动态时间归准)的简称。应用很广,主要是在模板匹配中,比如说用在孤立词语音识别,计算机视觉中的行为识别,信息检索等中。可能大家学过这些类似的课程都看到过这个算法,公式也有几个,但是很抽象,当时看懂了但不久就会忘记,因为没有具体的实例来加深印象。 这次主要是用语音识别课程老师上课的一个题目来理解DTW算法。 首先还是介绍下DTW的思想:假设现在有转载 2015-11-05 08:57:09 · 412 阅读 · 0 评论 -
参数估计(续)
特征维度问题高维数据中包含了大量的冗余并隐藏了重要关系的相关性,降维的目的就是消除冗余,减少被处理数据的数量。为了提高统计模式识别的正确识别率,人们通常需要采集数量巨大的数据特征,使得原始空间或输入空间的维数可能高达几千维或万维。如果直接在输入空间上进行分类器训练,就可能带来两个棘手的问题:(1)很多在低维空间具有良好性能的分类算法在计算上变得不可行;(2)在训练样本容量一定的前提下,特征维数的转载 2015-11-04 19:40:20 · 470 阅读 · 0 评论 -
最大似然估计(转载)
引言: 如果我们知道样本(数据)所服从的概率分布的模型,而不知道该模型中的参数,例如:高斯模型的参数:均值u,及方差sigma。最大似然估计就是用来估计模型参数的统计学方法. 如何估计: 我们利用样本,概率分布模型来估计,我们从总体中能够获得这些样本,为什么能获得,应该是获得这样的样本组合的概率最大。这样就将参数估计问题转化到最优化问题了。求最值,最简单的方法就是求导数,令导数为零转载 2015-10-14 19:39:43 · 665 阅读 · 0 评论 -
机器学习、模式识别与数据挖掘之间的关系
数据挖掘和机器学习的区别和联系,周志华有一篇很好的论述《机器学习与数据挖掘》可以帮助大家理解。数据挖掘受到很多学科领域的影响,其中数据库、机器学习、统计学无疑影响最大。简言之,对数据挖掘而言,数据库提供数据管理技术,机器学习和统计学提供数据分析技术。由于统计学往往醉心于理论的优美而忽视实际的效用,因此,统计学界提供的很多技术通常都要在机器学习界进一步研究,变成有效的机器学习算法之后才能再进入数据挖掘转载 2015-10-31 09:51:06 · 1551 阅读 · 0 评论