圖像模式識(shí)別的方法介紹-文庫(kù)吧資料
2025-07-02 12:42本頁(yè)面
【正文】 自動(dòng)計(jì)算完成。 第二階段——分類器訓(xùn)練階段，這個(gè)階段的任務(wù)就是生成分類器，主要工作是計(jì)算每個(gè)類別在訓(xùn)練樣本中的出現(xiàn)頻率及每個(gè)特征屬性劃分對(duì)每個(gè)類別的條件概率估計(jì)，并將結(jié)果記錄。這一階段的輸入是所有待分類數(shù)據(jù)，輸出是特征屬性和訓(xùn)練樣本。樣本X被指派到類Ci，當(dāng)且僅當(dāng)換言之，X被指派到其最大的類Ci。（b）如果Ak是連續(xù)值屬性，則通常假定該屬性服從高斯分布，因而， （）其中，給定類Ci的訓(xùn)練樣本屬性Ak的值，是屬性Ak的高斯密度函數(shù)，而分別為平均值和標(biāo)準(zhǔn)差。給定樣本的類標(biāo)號(hào)，假定屬性值相互條件獨(dú)立，即在屬性間，不存在依賴關(guān)系。（4）給定具有許多屬性的數(shù)據(jù)集，計(jì)算的開(kāi)銷可能非常大。否則，最大化。如果類的先驗(yàn)概率未知，則通常假定這些類是等概率的，即P(C1)=P(C2)=…=P(Cm)。其最大的類Ci稱為最大后驗(yàn)假定。給定一個(gè)未知的數(shù)據(jù)樣本X（即沒(méi)有類標(biāo)號(hào)），分類法將預(yù)測(cè)X屬于具有最高后驗(yàn)概率（條件X下）的類。樸素貝葉斯分類的工作過(guò)程如下：（1）每個(gè)數(shù)據(jù)樣本用一個(gè)n維特征向量表示，分別描述對(duì)n個(gè)屬性A1,A2,…An樣本的n個(gè)度量。通俗來(lái)說(shuō)，就好比這么個(gè)道理，你在街上看到一個(gè)黑人，我問(wèn)你你猜這哥們哪里來(lái)的，你十有八九猜非洲。可以說(shuō)，概率分類法的基石是貝葉斯決策理論。另一種方法借助電場(chǎng)的概念，引入非線性的勢(shì)函數(shù)，它經(jīng)過(guò)訓(xùn)練后即可用來(lái)解決模式的分類問(wèn)題。但作為一條規(guī)則，應(yīng)用此方法必須注意兩點(diǎn)；第一就是方法的可適性問(wèn)題，第二就是應(yīng)用判決函數(shù)后的誤差準(zhǔn)則。假如我們有理由相信一個(gè)線性判決邊界取成： 是合適的話，那么剩下的問(wèn)題就是要確定它的權(quán)系數(shù)。它是使用最為廣泛的方法，常用的有平均樣本法、平均距離法、最近鄰法和Ｋ－近鄰法。 2）距離分類法 距離是一種重要的相似性度量，通常認(rèn)為空間中兩點(diǎn)距離越近，表示實(shí)際上兩樣本越相似。而基于概率密度的方法要首先估計(jì)密度函數(shù)然后構(gòu)造分類函數(shù)指定決策界。統(tǒng)計(jì)模式識(shí)別的另一種分類方法是根據(jù)決策界是否直接得到將其分為幾何方法和基于概率密度的方法。統(tǒng)計(jì)模式識(shí)別組成如圖2所示。分類器負(fù)責(zé)訓(xùn)練分割特征空間。訓(xùn)練模式中，預(yù)處理模塊負(fù)責(zé)將感興趣的特征從背景中分割出來(lái)、去除噪聲以及進(jìn)行其它操作。其基本模型是:對(duì)被研究圖像進(jìn)行大量統(tǒng)計(jì)分析，找出規(guī)律性的認(rèn)識(shí)，并選取出反映圖像本質(zhì)的特征進(jìn)行分類識(shí)別。而分類主要對(duì)輸入的模式利用其特征和訓(xùn)練得來(lái)的決策函數(shù)而把模式劃分到相應(yīng)模式類中。統(tǒng)計(jì)決策理論的基本思想就是在不同的模式類中建立一個(gè)決策邊界，利用決策函數(shù)把一個(gè)給定的模式歸入相應(yīng)的模式類中。實(shí)際應(yīng)用還有一定的困難。不同的模式類對(duì)應(yīng)著不同的文法，描述不同的目標(biāo)。句法分析根據(jù)文法推理所推斷的文法，判決有序字符串所描述的模式類別，得到判決結(jié)果。
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1