![](https://img-blog.csdnimg.cn/2019111110103199.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
模式识别
编程芝士
字节跳动后端工程师,测控专业转程序员,努力努力,为了家人和蝈蝈!
展开
-
贝叶斯分类决策
目录先验概率、条件概率与后验概率的概念先验概率条件概率后验概率加大难度,来个辨析题贝叶斯决策理论基于最小错误率的贝叶斯决策基于最小风险的贝叶斯决策先验概率、条件概率与后验概率的概念先验概率先验概率是指根据以往经验和分析得到的概率,如全概率公式,它往往作为"由因求果"问题中的"因"出现的概率。通俗点讲,先验概率就是事情尚未发生前,我们对该事发生概率的估...原创 2019-02-28 19:32:51 · 3359 阅读 · 0 评论 -
决策树---MATLAB程序
决策树简介决策树是一种基本的分类与回归方法。决策树模型呈树形结构,在分类问题中,表示基于特征对实例进行分类的过程。它可以认为是if-then规则的集合,也可以认为是定义在特征空间与类空间上的条件概率分布。其主要优点是模型具有可读性,分类速度快。学习时,利用训练数据,根据损失函数最小化的原则建立决策树模型。预测时,对新的数据利用决策树模型进行分类。决策树学习通常包括三个步骤:特征选择、决策树的生...原创 2019-04-07 20:32:35 · 17660 阅读 · 20 评论 -
HOG特征提取
HOG算法介绍梯度方向直方图 (Histogram of Oriented Gradient, HOG) 是图像处理经典的特征提取算法。HOG 特征是直接将图像像素点的方向梯度作为图像特征,包括梯度大小和方向。通过计算图像局部区域的梯度直方图特征,然后将局部的特征串联起来,构成整幅图像的 HOG 特征,其原理图如图1所示。HOG特征的实现步骤如下:1.图像标准化。图像标准化如公式...原创 2019-04-18 20:00:54 · 6067 阅读 · 1 评论 -
主成分分析(PCA)
基本概念主成分分析(Principal Component Analysis, PCA)是研究如何将多指标问题转化为较少的综合指标的一种重要的统计方法,它能将高维空间的问题转化到低维空间去处理,使问题变得比较简单、直观,而且这些较少的综合指标之间互不相关,又能提供原有指标的绝大部分信息。PCA是一个无监督问题,不是基于标签,而是基于方差。我们可以认为原始的数据在某一个维度上是非常密集的,P...原创 2019-05-02 20:13:18 · 1951 阅读 · 0 评论 -
基于BP神经网络的分类
背景使用的是一个简单的数据集fisheriris,该数据集数据类别分为3类,setosa,versicolor,virginica。每类植物有50个样本,共150个样本代表150朵花瓣。每个样本有4个属性,分别为花萼长,花萼宽,花瓣长,花瓣宽。其中meas是150*4的矩阵代表着有150个样本每个样本有4个属性描述,species代表着这150个样本的分类。实验测试原始的数据集中的标签...原创 2019-05-18 22:47:34 · 12135 阅读 · 7 评论 -
支持向量机学习笔记
参考链接:https://blog.csdn.net/v_JULY_v/article/details/7624837支持向量机是一种基于统计学习理论的监督式学习的模式识别方法。SVM是从线性可分情况下的最优分类面发展而来的,基本思想可用下图的两类线性可分情况说明。实心点和空心点代表两类样本,实线P0、P1为分类线。两个虚线分别为过各类中离分类线最近的样本且平行于分类线的直线,它们之间的距...原创 2018-11-18 23:01:58 · 381 阅读 · 0 评论 -
基于BP神经网络的回归预测
基本概念误差反向传播神经网络简称为BP(Back Propagation)网络,它是一种具有三层或三层以上的多层神经网络,每一层都由若干个神经元组成。如图所示为一个BP神经网络的结构图,它的左、右各层之间各个神经元实现全连接,即左层的每一个神经元与右层的每个神经元都有连接,而上下各神经元之间无连接。BP神经网络按有监督学习方式进行训练,当一对学习模式提供给网络后,其神经元的激活值将从输入层经各...原创 2019-05-18 17:18:50 · 116366 阅读 · 26 评论