第11章圖象模式識(shí)別-展示頁(yè)
2024-10-10 16:42本頁(yè)面
【正文】 字符串結(jié)構(gòu)識(shí)別 3. 用自動(dòng)機(jī)作為字符串識(shí)別器 ? 規(guī)則文法和有限自動(dòng)機(jī)之間一一對(duì)應(yīng) 用 G = (N, T, P, X0)代表文法，其中 X0 ? S，設(shè)N由 X0和 n個(gè)非終結(jié)符號(hào) X1, X2, …, Xn組成。 , ,2 ,1)()|()( ?xx第 12頁(yè) 第 10講 章毓晉 (THEEIE) 最優(yōu)統(tǒng)計(jì)分類(lèi)器 2. 用于高斯模式類(lèi)的貝葉斯分類(lèi)器 ? 貝葉斯決策函數(shù) ： 2 ,12 )(e x p2 1)()|()( 22??????? ????? jsPspd jjjjjj ??mxxx第 13頁(yè) 第 10講 章毓晉 (THEEIE) 最優(yōu)統(tǒng)計(jì)分類(lèi)器 2. 用于高斯模式類(lèi)的貝葉斯分類(lèi)器 ? 在 nD情況下 ： 利用均值近似期望值 如果 xj和 xk統(tǒng)計(jì)上是獨(dú)立的， Cjk = 0，此時(shí)多變量高斯密度函數(shù)簡(jiǎn)化為 x的各個(gè)元素的單變量高斯密度的乘積 ?????? ????? ? )()(21e x p)2(1)|( 1T212n jjjjjsp mxCmxCx???jsxjj N xm1 ????jsjjjj NxmmxxC TT1第 14頁(yè) 第 10講 章毓晉 (THEEIE) 最優(yōu)統(tǒng)計(jì)分類(lèi)器 2. 用于高斯模式類(lèi)的貝葉斯分類(lèi)器 ? 采用自然對(duì)數(shù)形式來(lái)表達(dá)： 對(duì)數(shù)是單增函數(shù)，所以分類(lèi)效果等價(jià) 如果所有的協(xié)方差矩陣都相等 ? ? )(ln)|(ln)()|(ln)( jjjjj sPspsPspd ??? xxx? ?)()(21ln21)(ln)( 1T jjjjjj sPd mxCmxCx ????? ?jjjjj sPd mCmmCxx 1T1T 21)(ln)( ?? ???第 15頁(yè) 第 10講 章毓晉 (THEEIE) 最優(yōu)統(tǒng)計(jì)分類(lèi)器 2. 用于高斯模式類(lèi)的貝葉斯分類(lèi)器 ? 如果 C 為單位矩陣， P(sj) = 1/M： ? 最小距離分類(lèi)器在貝葉斯意義上最優(yōu)： ① 模式類(lèi)是高斯的 ② 所有協(xié)方差矩陣都與單位矩陣相等 ③ 所有類(lèi)出現(xiàn)的幾率相等 Mjd jjjj , ,2 ,121)( TT ???? mmmxx第 16頁(yè) 第 10講 章毓晉 (THEEIE) 最優(yōu)統(tǒng)計(jì)分類(lèi)器 2. 用于高斯模式類(lèi)的貝葉斯分類(lèi)器 ? 超球體 ： 高斯模式類(lèi)是 nD中的球狀體 ? 超平面：最小距離分類(lèi)器 將兩類(lèi)分開(kāi)的決策面為 d1(x) – d2(x) = – 8x1 – 8x2 – 8x3 + 4 = 0 ??????????????????????331411134121 mm第 17頁(yè) 第 10講 章毓晉 (THEEIE) 感知機(jī)和支持向量機(jī) ? 分類(lèi)和識(shí)別 ? 神經(jīng)網(wǎng)絡(luò)方法 感知機(jī) 支持向量機(jī) 第 18頁(yè) 第 10講 章毓晉 (THEEIE) 感知機(jī) ? 最基本的感知機(jī)建立能將兩個(gè)線性可分訓(xùn)練集分開(kāi)的線性決策函數(shù) 0)(11 ??? ???ninii wxwd x第 19頁(yè) 第 10講 章毓晉 (THEEIE) 感知機(jī) ? 對(duì)模式矢量增加第 n + 1個(gè)元素 ? 構(gòu)建一個(gè)擴(kuò)充模式矢量 y，讓 yi = xi， i = 1, 2, …, n，且后面加一個(gè)元素 yn+1 = 1 其中 y = [y1 y2 … yn 1]T是個(gè)擴(kuò)充模式矢量， w = [w1 w2 … wn wn+1]T
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號(hào)-1