2016級模式識別結(jié)課作業(yè)改廖飄課程小結(jié)_第1頁
2016級模式識別結(jié)課作業(yè)改廖飄課程小結(jié)_第2頁
2016級模式識別結(jié)課作業(yè)改廖飄課程小結(jié)_第3頁
2016級模式識別結(jié)課作業(yè)改廖飄課程小結(jié)_第4頁
2016級模式識別結(jié)課作業(yè)改廖飄課程小結(jié)_第5頁
已閱讀5頁，還剩6頁未讀， 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1的例子有：識別、汽車過、天氣預(yù)報(bào)等。一個(gè)典型的模式識別系統(tǒng)的基本構(gòu)成主要由模式、預(yù)處理、模式識別問題就是根據(jù)模式的XnM(M-1)/2（比如i類xn，即x=(f1(x),f2(x),….,fk(x)),x*xxx，J。J：a)J對不同的類別，這些特征的差別很大，則比較容易設(shè)計(jì)出具有較由于人們心理上的作用，只要條件總希望把特征取得多一些；另類的效果，產(chǎn)生“特征維數(shù)”問題。去掉那些相關(guān)性強(qiáng)且沒有增加分類信息的特征。（有多少特征確定了。特征的多少（維數(shù)特征，把特征空間壓縮到低維特征空間。人的感覺容易感受，數(shù)學(xué)的特征，如均值、相關(guān)系數(shù)、協(xié)方差矩n{x1x2xn}中，按某所謂特征提取，就是使(x1,x2,…,xnm；dndJ的Jn個(gè)原始特征進(jìn)n。統(tǒng)計(jì)決策理論----決策（BayesianDecisionTheory）就人工神經(jīng)網(wǎng)絡(luò)（ArtificialNeuralNetworkANN），對人腦神經(jīng)元網(wǎng)絡(luò)進(jìn)行抽象，建立某種簡單模型，按不同的連接方。過習(xí)功能，慢慢學(xué)會(huì)識別類似的圖像習(xí)功能對于預(yù)測有特。ISODATA算法步驟[1]TNωjnj<TN，則取消該類zj，Nc=Nc-1，轉(zhuǎn)至②。離aIpNS，b、若Nc≤c/2，則轉(zhuǎn)到⑥（將一些類c、若Nc≥2c，則轉(zhuǎn)至⑦（跳過處理Nc<2cIp（合并處理）。⑥操σj=(σ1jσ2jσnj)Tj=1,2,…..,Nca、>和>2(TN+1)b、Nc兩個(gè)新類的中心zj+和zj-分別是在原zj中相應(yīng)于的分量加上和減去，而起它分量不變，其中0<k≤1。

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲(chǔ)空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論