Expressing Youself Using Code

要知道模式识别讲什么内容。主要解决什么问题，我们如何进入这个领域，总要知道一些基本的概念，一些基本的、现有的方法。概念性的东西，参考希腊的那本《Pattern Recognition》，我看的是第四版的影印版，有时候也会看看Duda的模式分类，这本书有电子版原版，原版影印版在国内已经绝版了。有时候也会参考wikipedia，这个网站确实不错！1、模式识别 英文是 P

聚类clustering，无监督学习unsupervised learning分类也。 聚类有不少经典的方法，我们先从基本概念，本质属性开始讨论，慢慢把这些方法掌握，应用到实际问题中。

这一类算法比较简单。我们考虑一下规则。* 在算法中所有特征向量只呈现一次；* 实际聚类成几类我们事先不知道；（在算法执行过程中，新的类被创建）我们给出如下记号，d(x,C) 表示 特征向量x与C类之间的不相似度（dissimilarity）,我们不考虑它的具体定义，大家可以根据自己的实际情况人为选择。需要人为定义两个参数：一个阈值，一个是最大类别数。基本思想是：

层次聚类算法不同于其它算法，主要体现在它不是只生成一个分类结果，而是产生一系列原模式集合的分类结果，每个分类结果满足一些限制。1、概念X = {x_i, i = 1,...,N}; 是N个l维特征向量组成的集合，我们就是要对这个集合中的特征向量分类。Clustering ： R = {C_j, j = 1,...,m}。是某个聚类结果，就叫他类簇吧，我想这样叫，也许别人已经定义