![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模式识别
爱吃香菇的小姑娘
这个作者很懒,什么都没留下…
展开
-
1.3有监督、无监督和半监督学习
1.3有监督、无监督和半监督学习 已知要划分的类别,并且能够获得一定数量的类别已知的训练样本,这种情况下建立分类器的问题属于监督学习问题。 事先不知道要划分的是什么类别,更没有类别已知的样本用作训练,在很多情况下甚至不知道有多少类别,我们要做的是根据样本特征将样本聚成几个类。这种情况下建立分类器的问题属于无监督学习问题。 其中,无监督模式识别主要用于确定两个特征向量之间的...原创 2018-06-04 10:28:22 · 2486 阅读 · 1 评论 -
1.2 特征、特征向量和分类器
1.2 特征、特征向量和分类器 分类任务中的基本问题:怎样得到特征?在以前的例子中,用均值和标准偏差作为特征,是因为我们知道应该从图像中提取这些特征。但在实际问题中,特征不是显而易见的。这是分类系统设计的特征提取阶段的任务,它完成已知样本的识别。特征数L为多少最好?这是一个很重要的问题,它在分类系统设计的特征选择阶段完成。在实际问题中,总是产生大量的特征供选择,需要选择其中最具有代表性的特征...原创 2018-05-31 20:10:49 · 4640 阅读 · 0 评论 -
1.1模式识别的重要性
1.模式识别的重要性模式识别是一门以应用为基础的学科,目的是将对象进行分类。模式识别的应用:机器视觉字符(字母或数字)识别计算机辅助诊断(目的是帮助医生做诊断决定,最终的诊断仍是由医生决定)语音识别数据库中的数据挖掘和知识探索...原创 2018-05-31 19:18:43 · 2226 阅读 · 0 评论 -
(模式识别)特征降维问题
(模式识别)特征降维问题降维的必要性多重共线性--预测变量之间相互关联。多重共线性会导致解空间的不稳定,从而可能导致结果的不连贯。高维空间本身具有稀疏性。一维正态分布有68%的值落于正负标准差之间,而在十维空间只有0.02%。过多的变量会妨碍查找规律的建立。仅在变量层面上分析可能会忽略变量之间的潜在联系。降维的目的:减少预测变量的个数确保这些变量是相互独立的提供一个框架来解释结果降维的方法主要有:...原创 2018-05-31 15:21:33 · 1587 阅读 · 0 评论