模式识别简介&贝叶斯决策理论

==============================================================================

1、模式识别简介

==============================================================================

 

模式识别的定义：

将某一具体事务正确地归入某一类别的过程

 

描述一下模式识别的过程：

1、采集数据

2、选择特征

   取决于这个问题领域的特征

   标准：易于提取、对不相关变形保持不变、噪声不敏感

   一个特征向量通常是用一个列向量表示的

3、选择模型

4、训练分类器

   基于样本学习的方法是设计分类器最有效的方法

5、评价分类器

   不能太简单以至于不能描述模式类间的差异，又不能太复杂而对新样本的分类能力很差

6、计算复杂度

   计算简便性和分类性能上有个折中

 

模式识别方法可分为四大方面：

模板匹配、统计模式识别、语法及结构匹配和神经网络

==============================================================================

2、贝叶斯决策理论

==============================================================================

Parzen窗法

特点：“邻域” 体积大小是固定，但“邻域”包含的样本点数目可能不同

Kn近邻法

特点：“邻域”内包含的样本点数目固定，但“邻域”的体积可能不同