模式识别复习资料.ppt

该【模式识别复习资料 】是由【7489238】上传分享，文档一共【45】页，该文档可以免费在线阅读，需要了解更多关于【模式识别复习资料 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。复习
1
模式和模式识别的概念
模式：对某些感兴趣的客体的定量的或结构的描述。模式类是具有某些共同特性的模式的集合。
模式识别：研究一种自动技术，依靠这种技术，计算机将自动地（或人尽量少地干涉）把待别识模式分配到各自的模式类中去。
2
学习过程
判决过程
分类规则训练
分类决策
数据获取
预处理
特征选择
或提取
模式识别系统框图
复习
2 模式识别系统组成
单击此处添加标题
01
单击此处添加标题
02
复习
监督分类：需要依靠已知类别的训练样本集，按照他们特征向量的分布来确定判别函数，然后利用判别函数对未知模式进行分类。需要足够的先验知识。
判别。需要有足够的先验知识。
非监督分类：用于没有先验知识的情况，通常采用聚类分析的方法。
监督分类和无监督分类
模式识别整体知识结构
复习
5 最大最小距离算法（小中取大距离算法 ）
算法描述
① 选任意一模式样本做为第一聚类中心Z1。
② 选择离Z1距离最远的样本作为第二聚类中心Z2。
③ 逐个计算各模式样本与已确定的所有聚类中心之间的距离，并选出其中的最小距离。例当聚类中心数k=2时，计算
min( Di1 , Di2 )，i=1，…，N
（N个最小距离）
复习
⑥ 将样本 按最近距离划分到相应聚类中心对应
的类别中。
⑤ 重复步骤③④，直到没有新的聚类中心出现为止。
④ 在所有最小距离中选出最大距离，如该最大值达到 的一定分数比值( 阈值T ) 以上，则相应的样本点取为新的聚类中心，返回③；否则，寻找聚类中心的工作结束。
（θ：用试探法取为一固定分数，如1/2。）
则Z3存在。
例k =2时
复习
对图示模式样本用最大最小距离算法进行聚类分析。
①选Z1=X1
②距Z1最远，选为Z2。计算T。
③对应最小距离中的最大值，
且>T，选作Z3。
结果：Z1=X1；Z2=X6；
Z3=X7 。
④ 用全体模式对三个聚类中心计算最小距离中的最大值，无>T 情况，停止寻找中心。
⑤ 聚类
10个最小距离中，X7对应的距离>T,
③
算法描述
1）N个初始模式样本自成一类，即建立N 类：
计算各类之间（即各样本间）的距离，得一N×N维距离矩阵D(0)。“0”表示初始状态。
(G_Group)
6 层次聚类法
2）假设已求得距离矩阵D(n)（n为逐次聚类合并的次数），找出D(n)中的最小元素，将其对应的两类合并为一类。由此建立新的分类：
3）计算合并后新类别之间的距离，得D(n+1)。
4）跳至第2步，重复计算及合并。
复习
结束条件：
01
取距离阈值T，当D(n)的最小分量超过给定值 T 时，算法停
止。所得即为聚类结果。
02
或不设阈值T，一直将全部样本聚成一类为止，输出聚类的分
级树。
03
复习
例：给出6个五维模式样本如下，按最短距离准则进行系统聚类分类。
计算各类间欧氏距离：
解：（1）将每一样本看作单独一类，得：
…
， ， ， ；
；