[模式识别].(希腊)西奥多里蒂斯第四版笔记6之__feature generation (1)：数据转换和降维

1，单值分解：线性代数的重要部分，已经被广泛用于模式识别中的降维和信息检索应用中。

2，独立成分分析

3，非负矩阵分解

4，非线性降维算法：① kernel PCA②基于图的方法（拉普拉斯算子，Local LinearEmbedding (LLE)，Isometric Mapping (ISOMAP)）

5，离散傅里叶变换

6，离散cos和sin变换

7，THEHADAMARD TRANSFORM

8，哈尔变换（THE HAAR TRANSFORM）

9，哈尔扩展回顾（THE HAAR EXPANSION REVISITED）

10，离散时间小波变换

11，多分辨率解释

12，小波包（WAVELET PACKETS）

13，一个二维生成（A LOOK AT TWO-DIMENSIONALGENERALIZATIONS）

PS:理论性太特么强了。实在没太多精力精读，先看个框架！

[模式识别].(希腊)西奥多里蒂斯第四版笔记6之__feature generation (1)：数据转换和降维相关推荐

[模式识别].(希腊)西奥多里蒂斯第四版笔记7之__feature generation (2)
本章将关注图像分析领域的feature generation. 1,区域特征:①纹理特性②局部线性变换提取纹理特征③矩④参数模型 2,形状和尺寸特征:①傅里叶特征②链式编码,它是边界形状描述最常用的技 ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记3之__线性分类器
1,线性分类器主要优点是他们的简化和计算吸引力 2,线性判别函数和决策超平面 3,感知器算法 4,最小二乘法:均方误差估计:随机近似和LMS算法:方差和估计 5,均方估计回顾:均方误差回归:MSE估计 ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记2之__基于贝叶斯决策理论的分类器
本章的主要工作在基于训练集的特征向量,估计概率密度函数. 1,贝叶斯决策理论条件概率公式.其中P(w)为先验概率,P(x|w)为类条件概率密度 2,基于正态分布的贝叶斯分类高斯分布和正态分布是最常 ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记1之__模式识别相关领域
1. 模式识别相关领域 ① Machine vision, ② Character (letter or number)recognition->Optical character recog ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记4之__非线性分类器
1,Exclusive OR(XOR)Booleanfunction问题布尔量AND和OR是线性可分的 2,两层感知器对Figure4.1中A类和B类,首先能想到的是画两条直线.如图Figure4 ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记9之__context-based classification
本章的假设前提是不同类之间存在相关性.连续的特征向量不是孤立的. 1,贝叶斯分类器 2,马尔科夫链模型 3,the viterbi algorithm 4, 信道均衡(channel equaliza ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记8之__模板匹配
对语音识别来讲,同一个单词被同一个人每次说的情况都不同,给识别带来困难.本章讨论的就是对不同的情形如何定义适应不同特性的度量. 1,基于最优路径搜索的度量:①贝尔曼最优性原则和动态编程②编辑距离( ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记11之__聚类：基本概念
一,引言之前几个章节讨论的都是监督聚类,从本章开始讨论非监督聚类,即训练模式不带标签的情形. 聚类的步骤: 1,特征选择.选取最能够表示我们目标物体信息的特征. 2,相似性度量.给出两个特征量相似点 ...
[模式识别].(希腊)西奥多里蒂斯第四版笔记10之__监督学习：后记
本章是监督学习的最后一部分,主要有三个目标. 首先,根据系统的分类错误概率来评估系统性能. 其次,将整个系统设计的各个阶段组合到一起. 最后,引入无标签数据,简单介绍半监督学习 1,ERROR-C ...

[模式识别].(希腊)西奥多里蒂斯第四版笔记6之__feature generation (1)：数据转换和降维

[模式识别].(希腊)西奥多里蒂斯第四版笔记6之__feature generation (1)：数据转换和降维相关推荐

最新文章

热门文章