【正文】 13857180907 15222 引 言 與模式識別相關(guān)的學科 ? 統(tǒng)計學 ? 概率論 ? 線性代數(shù)（矩陣計算） ? 形式語言 ? 機器學習 ? 人工智能 ? 圖像處理 ? 計算機視覺 ? … 教學方法 ? 著重講述模式識別的基本概念、 基本方法。 ? 60年代 ，模糊模式識別方法得以發(fā)展和應(yīng)用。 ? 在沒有先驗知識的情況下，通常采用聚類分析方法，基于 “ 物以類聚 ” 的觀點，用數(shù)學方法分析各特征向量之間的距離及分散情況； ? 如果特征向量集聚集若干個群，可按群間距離遠近把它們劃分成類； ? 這種按各類之間的親疏程度的劃分，若事先能知道應(yīng)劃分成幾類，則可獲得更好的分類結(jié)果。 二 .模式類的緊致性 1. 緊致集：同一類模式類樣本的分布比較集中，沒有或臨界樣本很少，這樣的模式類稱緊致集。 ? 每次觀測值不一定相同，所以對許多對象而言，各個特征分量都是隨機變量，即許多對象的特征向量在 n維空間中呈隨機性分布，稱為隨機向量。 3. 緊致集的性質(zhì) ① 要求臨界點很少 ② 集合內(nèi)的任意兩點的連線 ,在線上的點屬于同 一集合 ③ 集合內(nèi)的每一個點都有足夠大的鄰域 ,在鄰域內(nèi)只包含同一集合的點 4. 模式識別的要求 :滿足緊致集，才能很好的分類；如果不滿足緊致集，就要采取變換的方法 ,滿足緊致集 . 三 .相似與分類 xi ， xj之間的相似度量滿足以下要求： ① 應(yīng)為非負值 ② 樣本本身相似性度量應(yīng)最大 ③ 度量應(yīng)滿足對稱性 ④ 在滿足緊致性的條件下，相似性應(yīng)該是點間距離的 單調(diào)函數(shù) 2. 用各種距離表示相似性： ① 絕對值距離 已知兩個樣本 xi=(xi1, xi2 , xi3,… ,xin)T xj=(xj1, xj2 , xj3,… ,xjn)T ② 歐幾里德距離 ③ 明考夫斯基距離 其中當 q=1時為絕對值距離 ， 當 q=2時為歐氏距離 ??? ?nkjkikij XXd1||? ???? ?nkjkikij XXd12???????? ??nkjkikqij XXqqd1||1)(④ 切比雪夫距離 q趨向無窮大時明氏距離的極限情況 ⑤ 馬哈拉諾比斯距離 其中 xi ， xj為特征向量， 為協(xié)方差。 ? 是一種非監(jiān)督學習的方法，解決方案是數(shù)據(jù)驅(qū)動的。 ? 90年代小樣本學習理論，支持向量機也受到了很大的重視。 教學目標 ? 掌握模式識別的基本概念和方法 ? 為研究新的模式識別的理論和方法打下基礎(chǔ) 參考文獻 ? R. Duda, P. Hart, D. Stork, Pattern Classification, second edition, 2022（有中譯本） . ? 邊肇祺， 模式識別 （第二版），清華大學出版社， 2022。但由于計算機運算速度的迅猛發(fā)展，這個問題得到一定克服。