模式识别初步 - 基本概念
2016-05-03 21:02
337 查看
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。
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。
相关文章推荐
- hdu 2594 Simpsons’ Hidden Talents
- HS9148红外遥控解码
- 重写和重载的区别
- 直接插入排序的c语言实现
- hdu 2444 是否是二分图+二分图最大匹配数
- Web框架性能基准测试 (Round 12) techempower的第12轮Web框架性能测试
- 猜拳扩展练习,三局两胜
- 【笔记】Core GameObjects, components, and concepts relating to Unity UI development include
- IndexError: list index out of range列表索引超出范围
- OpenStack PCI passthrough 环境配置
- Spark组件之GraphX学习6--随机图生成和出度入度等信息显示
- iOS延迟关闭
- 突破第一扇区的限制
- hdu 3336 Count the string
- 支持向量机通俗导论(理解SVM的三层境界)
- Universal-Image-Loader中的线程模型
- 默慈金数
- POJ 2226 Muddy Fields(最小点覆盖)
- 【并查集】HDU1232畅通工程
- 方法里的局部内部类为什么不能访问一般的方法里的局部变量?