模式識(shí)別知識(shí)點(diǎn)_第1頁(yè)
模式識(shí)別知識(shí)點(diǎn)_第2頁(yè)
模式識(shí)別知識(shí)點(diǎn)_第3頁(yè)
模式識(shí)別知識(shí)點(diǎn)_第4頁(yè)
模式識(shí)別知識(shí)點(diǎn)_第5頁(yè)
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

模式識(shí)別第_章模式識(shí)別的類(lèi)型(1) 確定模式(2) 非確定模式(3) 隨機(jī)模式模式的統(tǒng)計(jì)特性a) 相似性-先驗(yàn)概率:P(v.)b) 類(lèi)條件概率密度:p(xlv.)模式的主要過(guò)程a) 數(shù)據(jù)處理b) 模式類(lèi)的模型假設(shè)c) 選擇最優(yōu)的模型并分類(lèi)模式識(shí)別的定義Def:依據(jù)一定的規(guī)則,將模式進(jìn)行分類(lèi)的過(guò)程。模式識(shí)別的典型應(yīng)用(掌握5個(gè)以上)1) 語(yǔ)音識(shí)別(例如:IBMViaVOice系統(tǒng))2) 表情分析、年齡、種族、性別分類(lèi)3) OCR:車(chē)牌照、集裝箱號(hào)碼…4) 手寫(xiě)體識(shí)別:漢王5) 手勢(shì)識(shí)別:基于視覺(jué)的,基于數(shù)據(jù)手套6) 人臉識(shí)別、指紋識(shí)別、虹膜識(shí)別…7) 軍事目標(biāo)識(shí)別8) 生物信息、醫(yī)學(xué)圖像統(tǒng)計(jì)模式識(shí)別的基本思想模式被描述為一組測(cè)量值組成的隨機(jī)特征向量,用概率統(tǒng)計(jì)理論對(duì)其進(jìn)行建模,用統(tǒng)計(jì)決策理論劃分特征空間來(lái)進(jìn)行分類(lèi)。統(tǒng)計(jì)模式識(shí)別的一般過(guò)程(主要掌握測(cè)試模式)考察會(huì)細(xì)化,如具體分析汽車(chē)牌照識(shí)別過(guò)程第二章一、基于最小錯(cuò)誤率的貝葉斯決策Note:考查公式,主要考計(jì)算題TOC\o"1-5"\h\z11 k=10 k3F阮|為=我地*L (2-1)>1Examplel:假設(shè)在某地區(qū)切片細(xì)胞中正常(31)和異常(^2)兩類(lèi)的先驗(yàn)概率分別為p(31)=0.9,P(32)=0.1?,F(xiàn)有一待識(shí)別細(xì)胞呈現(xiàn)出狀態(tài)X,由其類(lèi)條件概率密度分布曲線查得p(x|31)=0.2,p(x|32)=0.4,試對(duì)細(xì)胞X進(jìn)行分類(lèi)。解:利用貝葉斯公式,分別計(jì)算出狀態(tài)為X時(shí)31與32的后驗(yàn)概率而 |^=0.182才艮據(jù)貝葉斯決策(2-2)則有P(31|x)=0.818>P(32lx)=0.0182因此判定該細(xì)胞為正常細(xì)胞比較合理。請(qǐng)用公式(2-3)與(2-5)計(jì)算,檢查一下結(jié)果是否一樣?二、基于最小風(fēng)險(xiǎn)的貝葉斯決策J-1Note:將X判為何類(lèi)則應(yīng)依據(jù)所有Ri,(i=1,…,c)中的最小值,即最小風(fēng)險(xiǎn)來(lái)定。R1QQ=X(J)P(co1|X)+^P(cu2|X)R我也+(叱|X)Example2:在Examplel條件的基礎(chǔ)上,并且已知入1j0,(入]]表示入(a1|w1)的簡(jiǎn)寫(xiě)),入廣6,入廣1,入廣0,按最小風(fēng)險(xiǎn)貝葉斯決策進(jìn)行分類(lèi)。解:已知條件為P(w1)=0.9,P(wi2)=0.1p(X|w1)=0.2,p(X|w以)=0.r入11=0,入12=6,入21=1,入22=0根據(jù)Example1的計(jì)算結(jié)果可知后驗(yàn)概率為P(w1|X)=0.818,P(w12lX)=0.182再計(jì)算出條件風(fēng)險(xiǎn)R0|X)=$>『饑|X)=人任3IX)=1.092j-i|又)=$>瑚%|又)=藻(輜IX)=0.818j-i

由于R(a1|X)>R(ajX)即決策為④12的條件風(fēng)險(xiǎn)小于決策為④1的條件風(fēng)險(xiǎn),因此應(yīng)采取即決策為決策行動(dòng)a決策行動(dòng)a2,即判待識(shí)別的細(xì)胞X為312類(lèi)一一異常細(xì)胞。第三章a線性分類(lèi)器的基本概念、決策規(guī)則,決策面方程線性判別函數(shù)的一般形式可表示成:g(X)=WTX+w0其中而①0是一個(gè)常數(shù),稱為閾值權(quán)。相應(yīng)的決策規(guī)則可表示成「g(X)>0,則決策Xeoji如果< 0?則決策XE102可將其任意分類(lèi)或拒絕。g(X)=0就是相應(yīng)的決策面方程b廣義線性Note:主要是采用映射的方法去處理問(wèn)題,具體請(qǐng)看下第三章廣義線性判別函數(shù)的相關(guān)內(nèi)容。c線性分類(lèi)器的設(shè)計(jì)步驟1按需要確定一準(zhǔn)則函數(shù)J。2確定準(zhǔn)則函數(shù)J達(dá)到極值時(shí)及的具體數(shù)值,從而確定判別函數(shù),完成分類(lèi)器設(shè)計(jì)。Note:Fisher最好也了解一下Addition:神經(jīng)網(wǎng)絡(luò)MP神經(jīng)元模型:BP算法:基本思想:負(fù)梯度方向的梯度下降三個(gè)公式,修正權(quán)值:kj°ki(*)3=(t -o)

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫(kù)網(wǎng)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論