分類器設(shè)計(jì)-第五章(已修改)
2025-01-19 04:00 本頁面
【正文】 第五章 分類器設(shè)計(jì) 本章主要內(nèi)容 ? 分類器設(shè)計(jì)準(zhǔn)則 ? 分類器設(shè)計(jì)基本方法 ? 判別函數(shù) ? 訓(xùn)練與學(xué)習(xí) 分類器設(shè)計(jì)準(zhǔn)則 分類問題是根據(jù)待識別對象所呈現(xiàn)的觀察值，將其分到某個類別中去。具體步驟是： ，已知訓(xùn)練集里某個點(diǎn)所屬類別。 ，設(shè)計(jì)判別函數(shù)模型。 ，得到完善的判別函數(shù)模型 屬于哪類 分類器設(shè)計(jì)準(zhǔn)則 在統(tǒng)計(jì)模式識別中，討論的主要問題不是決策正誤，而是決策正誤的概率問題。模式識別所強(qiáng)調(diào)的“最佳”“最優(yōu)”，這種最優(yōu)是針對某一設(shè)計(jì)原則講的，這種原則成為準(zhǔn)則。 這種準(zhǔn)則包括： 最小錯誤率準(zhǔn)則： 以減少分類錯誤為原則 最小風(fēng)險準(zhǔn)則： 引入風(fēng)險損失概念，賦予不同權(quán)值，使總的風(fēng)險最小 近鄰準(zhǔn)則： 依據(jù)同類物體在空間中具有聚類特性的原理進(jìn)行區(qū)分。 Fisher準(zhǔn)則： 尋求最好的直線方向以及如何實(shí)現(xiàn)向最好方向投影的變換 感知準(zhǔn)則： 感知準(zhǔn)則函數(shù)使錯分類樣品到分界面距離之和最小為原則。 分類器設(shè)計(jì)基本方法 通常采用最近鄰原則，最簡單的一種分類方法，缺點(diǎn)是計(jì)算量大、存儲量大。 （ 1）基于概率統(tǒng)計(jì)的分類法 往往取決于前期統(tǒng)計(jì)分布的相關(guān)知識，最經(jīng)典的 BAYES分類器，利用先驗(yàn)概率和類條件概率密度函數(shù)，計(jì)算出后驗(yàn)概率，以此設(shè)計(jì)出判別函數(shù)與判決面。 （ 2）幾何分類法 不依賴于條件概率密度的知識，通過幾何的方法把特征空間分解為對應(yīng)于不同類別的子空間。 模式識別的基本問題 一 .模式 (樣本 )表示方法 1. 向量表示 : 假設(shè)一個樣本有 n個變量 (特征 ) Ⅹ = (X1,X2,…,Xn) T 2. 矩陣表示 : N個樣本，每一個樣本 n個變量 (特征 ) 變量 樣本 x 1 x 2 ? x n X 1 X 11 X 12 ? X 1n X 2 X 21 X 22 ? X 2n ? ? ? ? ? X N X N1 X N2 ? X Nn 幾何表示 一維表示 X1= X2=3 二維表示
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1