Leo_whj的博客

Y=F（X）X-特征集 图像处理 云计算 信号处理 ….. 不同的领域，不同的提取方法 F-映射（假说）1、获得方法 监督学习（已知所属类的样本集->训练->F->判别未知数据） 非监督学习（基于“物以类聚”划分相似性，无训练过程，数据驱动） Y-模式类别模式分类方法 数据聚类（非监督） 统计分类（监督） 机构模式识别 神经网络（监督/非监督） 模式识别过程

模式识别学习-聚类分析算法 1、基于试探的聚类搜索算法 按最近邻规则试探算法        最大最小距离算法 2、系统聚类法  距离准则函数 3、动态聚类法 K-均值算法 ISODAYA算法 聚类相关性测度：        欧氏距离： 欧式距离变换欧氏距离变换的定义 在二维平面上定义两点，那么他们之间的欧氏距离表示为 ： 在

目标：已知类别的人脸图像，待检类别图像，从待检测图像中识别与已知类别的图像中相同的图像。 已知类别：3479张 待检测类别：276张 PCA给样本矩阵降维 最近邻法识别 一共包括3个.m文件，train.m，test.m，recognition.m。 train.m文件实现将训练样本矩阵降维，并得到映射矩阵；test.m文件将测试样本矩阵降维；recognition.m文件实现识别过程

Fisher 线性分类器由R.A.Fisher在1936年提出，至今都有很大的研究意义，下面介绍Fisher分类器的Fisher准则函数   Fisher准则函数 在模式识别的分类算法中，大概可以分为两类，一种是基于贝叶斯理论的分类器，该类型分类器也称为参数判别方法，根据是基于贝叶斯理论的分类器必须根据所提供的样本数据求出先验概率和类概率密度函数的类型和参数；另一种是非参数判别方法，它倾向于