距离度量

  • 欧式距离(比较简单)
  • 马氏距离(复杂一些,重点要记住这些符号代表什么)
  • 明氏距离
  • 汉明距离
  • 角度相似性函数(余弦相似度

聚类

  • 聚类准则:
    1. 阈值准则:根据规定的距离阈值进行判断。
    2. 函数准则:利用聚类准则函数进行判断。
    3. 聚类准则函数:
  • 最大最小距离算法
  • 动态聚类算法
    1. K-均值算法(还是有可能考的,后面再整理)
    2. ISODATA算法(迭代自组织分析算法)(不考)

函数判别分类法

  • 模式空间与超平面

    • 模式空间:以n维模式向量X的n个分量为坐标变量的欧氏空间。
    • 模式向量:点、有向线段。
    • 线性分类:用d(X)进行分类,相当于用超平面d(X)=0把模式空间分成不同的决策区域。
    • 线性判别函数的一些几何性质(复习PPT19-22页)
  • 感知器算法

    • 例题
    • 感知器算法的解不唯一!!!

贝叶斯决策

  • 最小错误率贝叶斯决策
  • 最小错误率贝叶斯决策的其他等价形式
  • 例题
  • 最小风险贝叶斯决策

基于K-L变换的多类模式特征提取

  • 特征提取的目的:

    1. 对一类模式:维数压缩。
    2. 对多类模式:维数压缩,突出类别的可分性。
  • 根据类内散布矩阵确定变换矩阵

  • K-L展开式

    • K-L变换有点难啊
    • K-L变换具体方法:
    • 利用自相关矩阵的K-L变换进行特征提取
    • 使用不同散散布矩阵进行K-L变换
      1. 采用多类类内散布矩阵Sw进行K-L变换
      2. 类间散布矩阵
      3. 采用总体散布矩阵St作K-L变换
Logo

CSDN联合极客时间,共同打造面向开发者的精品内容学习社区,助力成长!

更多推荐