《2022年模式识别复习笔记.docx》由会员分享，可在线阅读，更多相关《2022年模式识别复习笔记.docx（13页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选学习资料 - - - - - - - - - 细心整理 欢迎下载第一章 概论什么是模式识别？使运算机仿照人的感知才能,从感知数据中提取信息（判别物体和行为）的过程；（老师的简略说法：用机器判定事物类别）模式识别系统主要由四个部分组成：原始数据的猎取和预处理,特点提取与挑选,分类或类聚,后处理； 紧致性： 做模式识别的前提条件是每个模式类满意紧致性；相像性度量满意的条件： 1234 点 一些专业术语的中英文：PR（pattern recognition ）模式识别 BP（back-propagation）反向传播算法 PCA（principal component analysis ）主成分
2、分析NN （neural networks ）神经网络名师归纳总结 欧式距离：xuTxuu贝叶斯决策第 1 页,共 8 页马氏距离：xuT1x其次章（两大贝叶斯决策=最小错误率贝叶斯决策+最小风险贝叶斯决策） ：- - - - - - -精选学习资料 - - - - - - - - - 细心整理欢迎下载pw i已知,各类的条贝叶斯决策的三个前提条件：类别数确定,各类的先验概率件概率密度函数 px|wi已知； 最小错误率贝叶斯决策：使错误率最小的分类决策；对应于最大后验概率；贝叶斯公式：P17 白细胞例子最小风险贝叶斯决策：考虑各种错误造成缺失不同时的一种最优决策；名师归纳总结 - - - -
3、- - -第 2 页,共 8 页精选学习资料 - - - - - - - - - 细心整理 欢迎下载第三章 最大似然估量（两大参数估量 =最大似然估量 +贝叶斯估量） ：最可能出一题最大似然估量的运算题；判定估量好坏的标准：无偏性、有效性、一样性； 最大似然估量的求解流程： 1、构造似然函数2、对数化3、求偏导4、求解Fisher 判别法第四章线性分类器Fisher 准就：找到一个最合适的投影轴,使两类样本在该轴上的投影之间的距离尽可能远,而每一类样本的投影尽可能紧凑,从而使分类成效为正确；各类样本均值向量 mi 判定函数 J（w）越大,说明分子类间距离越大,分母类内距离越小；符合 fishe
4、r 准就；引入拉格朗日函数：名师归纳总结 - - - - - - -第 3 页,共 8 页精选学习资料 - - - - - - - - - 细心整理 欢迎下载求偏导最小二乘法y=ax+b 第五章 非线性分类器名师归纳总结 反向传播算法BP：第 4 页,共 8 页- - - - - - -精选学习资料 - - - - - - - - - 细心整理 欢迎下载1. 三层结构2. 简述 BP 过程、偏差回来调整权系数 P95 3. 学习规章：a. 随机给定权系数；b. 运算输出；c. 得到偏差；d. 进行调整4. 算法步骤：第七章 特点挑选遗传算法过程：a.初始化： 设置进化代数计数器t=0,设置最大
5、进化代数T,随机生成M 个个体作为初始群体 P（0）. 名师归纳总结 - - - - - - -第 5 页,共 8 页精选学习资料 - - - - - - - - - 细心整理 欢迎下载b. 个体评判： 运算群体 P（t）中各个个体的适应度；c.挑选 ：将挑选算子作用于群体；挑选的目的是把优化的个体 直接遗传到下一代或通过配对交叉产生新 的个体再遗传到下一代；上的；挑选操作是建立在群体中个体的适应度评估基础d.交叉：将交叉算子作用于群体；作为交叉是指把两个父代个体的部分结构加以替换重组而生成新个体的操作；遗传算法中起核心作用的就是交叉算子；e. 变异：将变异算子作用于群体；即是对群体中的个体串
6、的某些基因座上的基因值变动；群体 Pt经过挑选、交叉、变异运算之后得到下一代群体 Pt+1 ；f. 终止条件判定： 如 t=T,就以进化过程中所得到的具有最大适应度个体作为最优解输出,终止运算；（终止条件：达到适应度函数或达到进化规定的代数）第八章 特点提取名师归纳总结 PCA（主成分分析）第 6 页,共 8 页K-L 变换（最优正交线性） （完整把握）- - - - - - -精选学习资料 - - - - - - - - - 细心整理欢迎下载结合 KL 变换表达人脸识别的经典流程：1.对向量 x 用确定的完备正交归一向量基uj 绽开,对应到的人脸识别问题上就是一个脸可以由无穷多个本征脸进行重
7、构；2.用有限项估量X,对应人脸识别时一个脸由有限个本征脸进行重构,假设有d 个,就；名师归纳总结 3.下面是查找uj,即对应的本征脸；x,所以存在肯定的误差；求估量的均方误差：第 7 页,共 8 页4.由于是用d 个本征脸来重构一张脸- - - - - - -精选学习资料 - - - - - - - - - 细心整理 欢迎下载第九章 非监督模式识别K 均值聚类 基本思想： k 均值聚类是最闻名的划分聚类算法,由于简洁和效率使得他成为全部聚类算法中最广泛使用的；给定一个数据点集合和需要的聚类数目值算法依据某个距离函数反复把数据分入 k 个聚类中； K 均值的迭代思想：k,k 由用户指定, k 均 K 均值算法：先随机选取 K 个对象作为初始的聚类中心；然后运算每个对象与各个种子聚类中心之间的距离,把每个对象安排给距离它最近的聚类中心；聚类中心以及安排给它们的对象就代表一个聚类；一旦全部对象都被安排了,每个聚类的聚类中心会依据聚类中现有的对象被重新运算；这个过程将不断重复直到满意某个终止条件；终止条件可以是以下任何一个：1没有（或最小数目）对象被重新安排给不同的聚类；2没有（或最小数目）聚类中心再发生变化；3误差平方和局部最小； 优点：直观 缺点：初始点很重要,对分类有影响,可能掉进局部优解,影响速度效率；类的个数未知名师归纳总结 - - - - - - -第 8 页,共 8 页