模式识别初步 - 基本概念

本文分享了作者将学习笔记从云笔记转移到博客的经验,并深入讨论了分类器及其训练方法,包括教师指导学习、无教师指导的学习和加强学习。同时,文章还介绍了模式识别方法的分类,涉及统计模式识别和句法模式识别,旨在提供一种从不同角度理解机器学习和模式识别的基础知识。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

以前习惯把学习笔记写到一些云笔记里,后来慢慢意识到把自己整理的一些知识与人分享也是件很快乐的事,同时也可以通过别人来发现自己的错误,所以以后会更多地把一些学习笔记分享在博客里。

一、分类器及其训练(学习)的方法分类
1、分类器:为了实现分类而建立的某种计算模型,以模式特征为输入,以该模式所属的类别信息为输出。实际上训练分类器的过程就是求解模型参数的过程,即解(非)线性方程组的问题。
2、训练的方法:
教师指导学习:又称有监督学习,是指训练的样本中每个样本属于哪个类别是已知的。
无教师指导的学习:又称无监督学习,是指样本所属类别未知的情况下,系统对输入的样本自动形成自然的组织或簇(cluster)。如聚类算法就是一种典型的无监督学习。
加强学习:又称基于评价的学习,将样本输入分类器,比较输出和样本已知的类型是否一致,从而来辅助和加强分类器的学习。

二、模式识别方法的分类
1。统计模式识别(statistic pattern recognition)
    对模式的统计分类方法,即结合统计概率论的贝叶斯决策系统进行模式识别的技术,又称为决策理论识别方法;
    包括神经网络学习和支持向量机学习等。
2。句法(结构)模式识别(syntactic pattern recogition)
    利用模式与子模式分层结构的树状信息所完成的模式识别工作就是句法(结构)模式识别。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值