圖像模式識(shí)別的方法介紹(已改無(wú)錯(cuò)字)
2022-07-24 12:42:11 本頁(yè)面
【正文】 類(lèi)項(xiàng)進(jìn)行分類(lèi)，形成訓(xùn)練樣本集合。這一階段的輸入是所有待分類(lèi)數(shù)據(jù)，輸出是特征屬性和訓(xùn)練樣本。這一階段是整個(gè)樸素貝葉斯分類(lèi)中唯一需要人工完成的階段，其質(zhì)量對(duì)整個(gè)過(guò)程將有重要影響，分類(lèi)器的質(zhì)量很大程度上由特征屬性、特征屬性劃分及訓(xùn)練樣本質(zhì)量決定。 第二階段——分類(lèi)器訓(xùn)練階段，這個(gè)階段的任務(wù)就是生成分類(lèi)器，主要工作是計(jì)算每個(gè)類(lèi)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(lèi)別的條件概率估計(jì)，并將結(jié)果記錄。其輸入是特征屬性和訓(xùn)練樣本，輸出是分類(lèi)器。這一階段是機(jī)械性階段，根據(jù)前面討論的公式可以由程序自動(dòng)計(jì)算完成。 第三階段——應(yīng)用階段。這個(gè)階段的任務(wù)是使用分類(lèi)器對(duì)待分類(lèi)項(xiàng)進(jìn)行分類(lèi)，其輸入是分類(lèi)器和待分類(lèi)項(xiàng)，輸出是待分類(lèi)項(xiàng)與類(lèi)別的映射關(guān)系。這一階段也是機(jī)械性階段，由程序完成。半樸素貝葉斯分類(lèi)模型(SNBC)為了突破樸素貝葉斯分類(lèi)器的獨(dú)立性假設(shè)條件的限制，除了上述“提升”等方法之外，還可以通過(guò)改變其結(jié)構(gòu)假設(shè)的方式來(lái)達(dá)到目的，為此有人提出了半樸素貝葉斯分類(lèi)(SNBG SemiNaive Bayesian classifier)的構(gòu)想。半樸素貝葉斯分類(lèi)模型對(duì)樸素貝葉斯分類(lèi)模型的結(jié)構(gòu)進(jìn)行了擴(kuò)展，其目的是為了突破樸素貝葉斯分類(lèi)模型特征屬性間獨(dú)立性假設(shè)限制，提高分類(lèi)性能。目前半樸素貝葉斯分類(lèi)模型學(xué)習(xí)的關(guān)鍵是如何有效組合特片屬性。條件互信息度量半樸素貝葉斯分類(lèi)學(xué)習(xí)算法可以解決目前一此學(xué)習(xí)算法中存在的效率小高及部分組合意義不大的問(wèn)題。SNBC的結(jié)構(gòu)比NBC緊湊，在SNBC的模型構(gòu)建過(guò)程中，依照一定的標(biāo)準(zhǔn)將關(guān)聯(lián)程度較大的基本屬性(即NBC中的特征屬性)合并在一起構(gòu)成“組合屬性”(也稱(chēng)之為“大屬性”)。邏輯上，SNBC中的組合屬性與NBC中的基本屬性沒(méi)有根本性差別，SNBC的各個(gè)組合屬性之間也是相對(duì)于類(lèi)別屬性相互獨(dú)立的。圖是SNBC的模型示意圖。這類(lèi)模型通過(guò)將依賴(lài)性強(qiáng)的基本屬性結(jié)合在一起構(gòu)建新的模型，這樣可以部分屏蔽NBC中獨(dú)立性假設(shè)對(duì)分類(lèi)的負(fù)面作用。但從名稱(chēng)可以看出，SNBC依然屬于樸素貝葉斯分類(lèi)的范疇。這是因?yàn)槌私Y(jié)構(gòu)上的差別之外，計(jì)算推導(dǎo)過(guò)程與NBC無(wú)異。半樸素貝葉斯分類(lèi)結(jié)構(gòu)示意圖圖像金字塔是以多分辨率來(lái)解釋圖像的一種結(jié)構(gòu)。1987年，在一種全新而有效的信號(hào)處理與分析方法，即多分辨率理論中，小波首次作為分析基礎(chǔ)出現(xiàn)了。多分辨率理論將多種學(xué)科的技術(shù)有效地統(tǒng)一在一起，如信號(hào)處理的子帶編碼、數(shù)字語(yǔ)音識(shí)別的積分鏡像過(guò)濾以及金字塔圖像處理。正如其名字所表達(dá)的，多分辨率理論與多種分辨率下的信號(hào)（或圖像）表示和分析有關(guān)。其優(yōu)勢(shì)很明顯，某種分辨率下無(wú)法發(fā)現(xiàn)的特性在另一種分辨率下將很容易被發(fā)現(xiàn)。圖像金字塔是結(jié)合降采樣操作和平滑操作的一種圖像表示方式。它的一個(gè)很大的好處是，自下而上每一層的像素?cái)?shù)都不斷減少，這會(huì)大大減少計(jì)算量；而缺點(diǎn)是
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1