• x=(x1, x2)T, x1和 x2分别代表花瓣长度和宽度。 • 模式矢量 x=(x1, x2,……, xn)T 中元素性质取决于
描述物理模式自身所采用的方法。
花瓣宽度(cm)
• 模式类 w1、w2、w3分别表示Setosa (多刺的)、
Virginaca (单性的)和 Versicolor (杂色的)三种花。
训练过程
信息 获取
数据预 处理
特征提 取
和选择
分类器设计
分类决 策
输出结 果
图11.1 模式识别系统的基本构成
2. 常用的三种模式组合
(1) 模式矢量
• 1936年,Fisher论文提出判别式分析技术,通过 测量花瓣的宽度和长度识别三种不同类型的鸢 (yuan)尾属植物的花。
– Iris Setosa (多刺的) – Iris Virginaca (单性的) – Iris Versicolor (杂色的)
边界方程: d12(x) = d1(x)-d2(x) = 2.8x1+1.0x2-8.9 = 0
图11.5 美国Banker协会 的E-13B字体的字符 集和对应波形。
字符设计在97个字中以 便读取。每个字符 用含有精细磁性材 料的墨水印刷。
(设计者保证大的均值 分离和小的类分布 的一个示例)
(2) 相关匹配
• 受生物神经系统启发产生,大量使用非线性元素的计算 单元(神经元),类似大脑神经元的互联方式组织起来 。具有对一些特定问题的适应能力和并行处理能力。
• 20世纪40年代早期McCulloch和Pitts提出。 • 80年代Rumelhart、Hinton和Williams发展出“反向传播”
方式学习的德尔塔(delta)规则,为多层机器提供了一 种有效的训练方法。 • 结构:由许多互联的相同的节点(处理单元,PE)构成 。每个PE从“上游”的几个PE接受输入信号,产生一个 标量输出,传给“下游”的一组PE。