李哈哈的模式识别笔记【part 1:模式识别系统】

这篇博客介绍了模式识别的基础概念,包括特征与特征空间、有监督和无监督学习的区别,以及紧致性和维数灾难的影响。讨论了相似性度量标准,如距离和非距离相似度,并解释了维数灾难及其解决方案。此外,提到了泛化能力、过拟合现象,以及模式识别系统和算法体系的构成。内容以手写数字识别为例,从模板匹配的角度展开。

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

李哈哈的模式识别笔记【part 1:模式识别系统】

特征与特征空间

知识点:
从样本 sample 中可以提取特征 feature ,这些特征共同组成了特征空间 feature space ,特征与特征之间可以通过某种方式度量其相似度 similarity ,这样,相似度高的特征空间可以归类为一个类 class 。
识别的过程就是根据特征分类的过程
不同类型的特征空间:
向量空间,集合空间。
在这里插入图片描述

有监督学习和无监督学习

主要在于分类集中的样本是否添加标签。
有标签则为有监督学习,这种学习的上限是人脑对于该问题的认知处理能力。
无标签则为无监督学习,这种学习是机器通过寻找样本特征本身之间的相似度,自动划分类别,达到识别的目的,是更高级的识别手段。
同类样本间的相似度大于不同类样本间的相似度
在这里插入图片描述

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