模式识别初步 - 基本概念

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。