图像处理第18章.ppt

* * 第十八章：模式识别分类估计 一．引言，分类 二．特征选择 三．统计分类 四．神经网络 第十八章：模式识别分类估计 一．引言，分类 二．特征选择 三．统计分类 四．神经网络 1. 特征提取 2. 分类器的设计 3. 分类器的训练 4. 分类器的测量 第十八章：模式识别分类估计 一．引言，分类 二．特征选择 三．统计分类 四．神经网络 1. 特征方差 2. 类间距离 3. 特征相关系数 4. 降维 1. 特征方差 第十八章：分类估计 理想状态下同一类别中所有对象的特征的特征值应该很相近。 统计分类 神经网络 特征选择 引言 2. 类间距离 第十八章：分类估计 一个特征区分两类能力的一个指标就是类间距离。距离大的是好特征。 统计分类 神经网络 特征选择 引言 3. 特征相关系数 第十八章：分类估计 第 j 类特征 x 与特征 y 的相关系数估计为，如果相关系数接近1，说明两个特征可以组合成一个特征或者舍弃其中一个。 统计分类 神经网络 特征选择 引言 4. 降维 第十八章：分类估计 用线性函数等方法可以将两个特征合并成一个。 统计分类 神经网络 特征选择 引言 第十八章：模式识别分类估计 一．引言，分类 二．特征选择 三．统计分类 四．神经网络 1. 特征方差 2. 特征相关系数 3. 类间距离 4. 降维 第十八章：模式识别分类估计 一．引言，分类 二．特征选择 三．统计分类 四．神经网络 1. 统计决策理论 2. 分类器类型 3. 参数估计和分类器设计 4. 分类器性能 1. 统计决策理论 第十八章：分类估计 1：先验概率 2：Bayes理论 Bayes理论给出了一个被测量对象属于某一特定分类概率。 可以用最大似然估计法或Bayes估计法估计未知参数。 3：Bayes风险 4：Bayes决策规则 统计分类 神经网络 特征选择 引言 2. 分类器类型 第十八章：分类估计 参数分类器 条件PDF的函数形式已知单其中一些参数（如均值、方差未知） 非参数分类器 如果函数形式全部或部分未知，需要从训练样本集重估测。 统计分类 神经网络 特征选择 引言 3. 参数估计和分类器训练 第十八章：分类估计 训练分类器：使用对象度量估计PDF或它们参数的过程。 监督和非监督训练 最大似然估计 假设待估计参数是固定的未知数，对所抽取得给定样本集来说，使该训练集出现最大可能性的参数值就是它的估计值。 Bayes估计 将未知参数作为随机变量，假设未知参数某些方面是预先知道。先验PDF已知，当训练样本被测量以后，使用Bays定理根据采样值对先验PDF进行修改或者调整，得到未知参数的后验PDF。 统计分类 神经网络 特征选择 引言 4. 分类器性能 第十八章：分类估计 可以通过测试集进行测试 应该与所关注的问题相配 统计分类 神经网络 特征选择 引言 第十八章：模式识别分类估计 一．引言，分类 二．特征选择 三．统计分类 四．神经网络 1. 统计决策理论 2. 分类器类型 3. 参数估计和分类器设计 4. 分类器性能 *