2018春节放假安排 网站建设,wordpress添加广告功能,海南直聘网,企业公司模式识别(pattern recognition)#xff1a;输入原始数据并根据其类别采取相应行为的能力。
具体实例#xff1a;人脸识别、语音识别、文字识别、指纹识别、DNA序列分析。
要区分不同类别的个体#xff0c;需要利用其一些物理特性上的差异#xff0c;成为模式分类的特征。…模式识别(pattern recognition)输入原始数据并根据其类别采取相应行为的能力。
具体实例人脸识别、语音识别、文字识别、指纹识别、DNA序列分析。
要区分不同类别的个体需要利用其一些物理特性上的差异成为模式分类的特征。仔细选择特征十分必要。
如果要区分的类别缺失存在某种差异我们称之为具有不同的模型(model)–即可以用数学形式描述特征。获得一个好的模式表达是几乎所有的模式识别系统的一个中心任务。在一些情况下模式常被表达为实数向量的形式而另外的情况可能以有序的属性列表方式来表达。如何构造或学习一个恰当的表达以及如何定量刻画“接近”和“远离”的能力能够产生同样行为的模式样本之间的距离尽可能接近而将导致不同行为的模式样本之间距离尽量远离将决定一个分类器的成败。我们十分倾向于运用比较少的特征因为这会导致a更简单的分类区域b更易训练的分类器。此外特征还应对噪声或其他干扰不敏感。在实际应用中我们希望分类器能够快速响应只需很少的电子部件、内存容量或处理步骤。
有时候单一的特征不足以完美分类需要引入特征向量x其中x处于d维欧几里得空间Rd称为特征空间。除此之外还有类别集行为集风险函数描述类别状态为w时采取行动a的风险。
模式分类作为决策理论最重要的子领域其中心任务是使分类的“总体代价”函数最小。
模式识别系统需要嵌入特定问题领域的背景知识。
模式识别系统
3种基本操作预处理、特征提取、分类。其模块图如下 设计模式识别系统包含如下一个设计循环
