模式识别复习重点总结.docx
《模式识别复习重点总结.docx》由会员分享,可在线阅读,更多相关《模式识别复习重点总结.docx(24页珍藏版)》请在咨信网上搜索。
1、1.什么是模式及模式识别模式识别的应用领域主要有哪些 模式:存在于时间,空间中可观察的事物,具有时间或空间分布的信息; 模式识别:用计算机实现人对各种事物或现象的分析,描述,判断,识别。 模式识别的应用领域:(1)字符识别;(2) 医疗诊断;(3)遥感;(4)指纹识别 脸形识别;(5)检测污染分析,大气,水源,环境监测;(6)自动检测;(7 )语声识别,机器翻译,电话号码自动查询,侦听,机器故障判断;(8)军事应用。2.模式识别系统的基本组成是什么(1) 信息的获取:是通过传感器,将光或声音等信息转化为电信息;(2) 预处理:包括AD,二值化,图象的平滑,变换,增强,恢复,滤波等, 主要指图象
2、处理;(3) 特征抽取和选择:在测量空间的原始数据通过变换获得在特征空间最能反映分类本质的特征;(4) 分类器设计:分类器设计的主要功能是通过训练确定判决规则,使按此类判决规则分类时,错误率最低。把这些判决规则建成标准库;(5) 分类决策:在特征空间中对被识别对象进行分类。3.模式识别的基本问题有哪些(1)模式(样本)表示方法:(a)向量表示;(b)矩阵表示;(c)几何表示;(4)基元(链码)表示;(2)模式类的紧致性:模式识别的要求:满足紧致集,才能很好地分类;如果不满足紧致集,就要采取变换的方法,满足紧致集(3)相似与分类;(a)两个样本xi ,xj之间的相似度量满足以下要求: 应为非负值
3、 样本本身相似性度量应最大 度量应满足对称性 在满足紧致性的条件下,相似性应该是点间距离的 单调函数 (b) 用各种距离表示相似性(4)特征的生成:特征包括:(a)低层特征;(b)中层特征;(c)高层特征(5) 数据的标准化:(a)极差标准化;(b)方差标准化 4线性判别方法(1)两类:二维及多维判别函数,判别边界,判别规则二维情况:(a)判别函数: ( ) (b)判别边界:g(x)=0; (c)判别规则:n维情况:(a)判别函数: 也可表示为: (b)判别边界:g1(x) =WTX=0 (c)判别规则: (2)多类:3种判别方法(函数、边界、规则)(A)第一种情况:(a)判别函数:M类可有M
4、个判别函数 (b) 判别边界:i (i=1,2,n)类与其它类之间的边界由 gi(x)=0确定 (c) 判别规则: (B)第二种情况:(a)判别函数:有 M(M _ 1)/2个判别平面 (b) 判别边界:(c) 判别规则:(C)第三种情况:(a)判别函数: (b) 判别边界:gi(x) =gj(x) 或gi(x) -gj(x) =0 (c) 判别规则:5什么是模式空间及加权空间,解向量及解区(1)模式空间:由 构成的n维欧氏空间;(2)加权空间:以 为变量构成的欧氏空间;(3)解向量:分界面为H,W与H正交,W称为解向量;(4)解区:解向量的变动范围称为解区。6超平面的四个基本性质是什么性质:
5、W与H正交;性质 :其中, 为x矢量到H的正交投影;性质:性质: 7二分法能力如何表示N个样品线性可分数目(条件:样本分布良好):线性可分概率:8广义线性判别方法(1)非线性线性一个非线性判别函数通过映射,变换成线性判别函数:(2)线性判别9分段线性判别方法1)基于距离:(1)子类,类判别函数 (2)判别规则(1)子类:把i类可以分成li个子类: 分成l个子类。子类判别函数:在同类的子类中找最近的均值(2)判别规则:这是在M类中找最近均值。则把x归于j类完成分类2)基于函数:(1)子类,类判别函数 (2)判别规则(1)子类类判别函数:对每个子类定义一个线性判别函数为:(2)判别规则:在各子类中
6、找最大的判别函数作为此类的代表,则对于M类,可定义M个判别函数gi(x),i=1,2,.M,因此,决策规则3)基于凹函数的并:(1)析取范式,合取范式,凹函数(2) 判别规则(1) 析取范式:P=(L11L12L1m)(Lq1Lq2Lqm)合取范式:Q= (L11 L12 L1m) (Lq1 Lq2 Lqm) 凹函数:Pi=Li1Li2Lim(2) 判别规则:设第一类有q个峰,则有q个凹函数。即P=P1P2Pq 10非线性判别方法(1)集中,分散(2), 均集中11分类器的设计(1)梯度下降法(迭代法):准则函数,学习规则(a)准则函数:J(W)J(Wk)+ JT(W- Wk)+(W- Wk)
7、TD(W- Wk)T/2 其中D为当W = Wk时 J(W)的二阶偏导数矩阵(b)学习规则:从起始值W1开始,算出W1处目标函数的梯度矢量J(W1),则下一步的w值为:W2 = W1-1J(W1) 其中W1为起始权向量, 1为迭代步长,J(W1) 为目标函数,J(W1)为W1处的目标函数的梯度矢量在第K步的时候Wk+1 = Wk-kJ(Wk) 最佳步长为k=|J|2/JTDJ这就是梯度下降法的迭代公式。(2)感知器法:准则、学习规则(批量,样本)(a)准则函数: 其中x0为错分样本(b)学习规则: 1.错误分类修正wk 如wkTx0并且x1 wk+1= wk+kx 如wkTx0并且x2 wk+
8、1= wk-kx 2.正确分类 ,wk不修正 如wkTx0并且x1 如wkTx0并且x2 wk+1= wk (3)最小平方误差准则法(MSE法)(非迭代法):准则、权向量解(a)准则函数:(b)权向量解:(4)韦霍氏法(LMS法)(迭代法):准则,学习规则(a)准则函数:(b)学习规则: W1任意 ,Wk+1=Wk+k(bk-WkTXk) Xk k随迭代次数k而减少,以保证算法收敛于满意的W值(5)何卡氏法(H-K法)(迭代法):准则,的学习规则(a)准则: 它的解为: (b)b,W的学习规则: 其中 c为矫正系数,ek为误差矢量,ek=XWk-bk 初始条件 W1=X+b1并且b10迭代时检
9、测 如果ek0时,XW?b,系统线性可分,迭代收敛 如果ek0时,XW?0时 rk+1= 0 xk+11并且Kk(xk+1) 0时 rk+1= 1 xk+12并且Kk(xk+1)0时 rk+1= 0 xk+12并且Kk(xk+1) 0时 rk+1= -1121)二类问题的贝叶斯判别(1)判别函数的四种形式(2)决策规则(3)决策面方程(4)决策系统的结构 (1)判别函数的四种形式: (2)判别规则:(3)决策面方程:g(x)=0 (4)决策系统的结构 (A)向量特征(B)判别计算(C)阈值单元(D)决策2)多类问题的贝叶斯判别(1)判别函数的四种形式(2)决策规则(3)决策面方程(4)决策系统
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 模式识别 复习 重点 总结
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【快乐****生活】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【快乐****生活】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。