以前習慣把學習筆記寫到一些雲筆記裡，後來慢慢意識到把自己整理的一些知識與人分享也是件很快樂的事，同時也可以通過別人來發現自己的錯誤，所以以後會更多地把一些學習筆記分享在部落格裡。
一、分類器及其訓練（學習）的方法分類
1、分類器：為了實現分類而建立的某種計算模型，以模式特徵為輸入，以該模式所屬的類別資訊為輸出。實際上訓練分類器的過程就是求解模型引數的過程，即解（非）線性方程組的問題。
2、訓練的方法：
教師指導學習：又稱有監督學習，是指訓練的樣本中每個樣本屬於哪個類別是已知的。
無教師指導的學習：又稱無監督學習，是指樣本所屬類別未知的情況下，系統對輸入的樣本自動形成自然的組織或簇(cluster)。如聚類演算法就是一種典型的無監督學習。
加強學習：又稱基於評價的學習，將樣本輸入分類器，比較輸出和樣本已知的型別是否一致，從而來輔助和加強分類器的學習。
二、模式識別方法的分類
1。統計模式識別(statistic pattern recognition)
對模式的統計分類方法，即結合統計概率論的貝葉斯決策系統進行模式識別的技術，又稱為決策理論識別方法；
包括神經網路學習和支援向量機學習等。
2。句法（結構）模式識別(syntactic pattern recogition)
利用模式與子模式分層結構的樹狀資訊所完成的模式識別工作就是句法（結構）模式識別。
北理工 MOOC 模式識別系統基本概念
最近在 mooc 上學習北理工的模式識別課程，這裡記錄下學習筆記。在特徵空間中，每個樣本都可以看做是由一組特徵來表達的乙個點，通過抽取樣本的特徵，並轉換成數學表達，就將原事物 樣本 的識別問題轉換為 對該樣本在特徵空間中對應點的進行分類。模式識別技術的核心其實是乙個分類器，要實現乙個好的分類器，關鍵...
什麼是模式識別，模式識別概念的基本介紹
模式識別又常稱作模式分類，從處理問題的性質和解決問題的方法等角度，模式識別分為有監督的分類 supervised classification 和無監督的分類 unsupervised classification 兩種。模式還可分成抽象的和具體的兩種形式。前者如意識 思想 議論等,屬於概念識別研究...
模式識別 統計模式識別（6）
上一節，我們討論了最小錯誤率分類器，接下來這一節我們將討論最小風險bayes分類器。1.問題提出 1.最小錯誤率bayes決策的最小錯誤率 概率意義上最優，在工程上是否是最優?2.錯誤分類的結果 代價或風險會是怎樣的？考慮癌細胞影象識別的例子 3.出錯的可能情況 正常細胞 1錯分為異常 2，異常細胞...