计算机视觉与模式识别概念_机器视觉统计模式识别

作者：itrstu | 2024-01-29 19:17:07

踩

机器视觉统计模式识别

模式：相同或相似的事物,要被识别的对象的数字化

模式类：相同或相似事物的全体（概率里的总体）

模式样本：对具体事物观测的观测数据

模式分布：大量观测获取的分布

模式识别：用计算机实现人类对环境中的事物进行识别，模式识别可以划分为“分类”和“回归”两种形式。本质是一种推理（inference过程）

模式识别的数学解释：模式识别可以看做一种函数映射f（x），将待识别模式x从输入空间映射到输出空间。函数（x）是关于已有知识的表达。

可以看出亮度分类效果比较好

模式表示：从观察空间到表示空间的映射（就是特征提取），包括特征矢量，符号串，图，关系式

模式分类：从表示空间到类别空间的映射（分类器设计）

输入数据就是训练样本

每个训练样本 , 都是通过采样得到的一个模式，即输入特征空

间中的一个向量；通常是高维度（即 p 很大），例如一幅图像。

训练样本可以认为是尚未加工的原始知识，模型则是经过学习（即加工

整理归纳等）后的真正知识表达。

所有训练样本假设满足independent and identical distribution (iid) 。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/article/detail/44422