模式识别这些干货你都 get 了吗？

声明：这些均来自模式识别课件@WHU
贴在这里主要为了方便以后查阅学习之目的。
未经许可，不得用于别处！

学了模式识别，我都学到了啥？下面列的一些概念是这门课程中涉及到的，都是干货！！

【发个小感慨】
随着阅历的增长，我越来越觉得老师的课件真是精华呀。那些上课不认真听讲的日子，真是太对不起老师，对不起自己了…总以为自己课下看看就会了，但是自己课下花的时间要远远多余在课堂上的时间。深感做学问，不可以浮躁，多认真听听别人的见解和经验，真的可以少走好多弯路！

一、概论

1.模式(pattern) 一个抽象的概念。客观世界和主观世界即物质和
意识的所有方面、所有个体、所有单元都可称之为模式。存在于时间，空间中可观察的事物，具有时间或空间分布的信息。对客体(研究对象)特征的描述(定量的或结构的描述)，是取自客观世界的某一样本的测量值的集合(或综合)。

2.模式识别(Pattern Recognition) 是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。

3.样本(Sample): 一个具体的研究(客观)对象。如患者，某人写的
一个汉字，一段语音、一幅图片等。

4.样本集(Sample Set) 若干个样本的集合。

5.类或类别(class) :在所有样本上定义的一个子集，处于同一类的样本在我们所关心的某种性质上是不可区分的，即具有相同的模式。

6.特征(Features): 能描述模式特性的量(测量值)。在统计模式识别方法中，通常用一个矢量表示，称之为特征矢量，记为
x = (x1,x2,.,xn)’

中间插两组图：
模式识别这些干货你都 get 了吗？

7.模式识别系统设计/评价过程
系统评价原则: 为了更好地对模式识别系统性能进行评价，必须使用一组独立于训练集的测试集对系统进行测试。

训练集: 是一个已知样本集，在监督学习方法中，用它来开发出模式分类器。

测试集: 在设计识别和分类系统时没有用过的独立样本集。

模式识别这些干货你都 get 了吗？
8.模式识别基本问题

1.条件概率的意义: 当给定条件发生变化后，会导致事件发生的可能性发生变化。

2.Bayes决策的基本思想是: 要求判别归属时，依后验概率最大作出决策，这样的结果可以使分类的错误率最小

3.决策面：按照判别规则将多维特征空间分成m个类别区域，划分这些区域的边界面；

4.决策面方程： 对于多分类问题，按照决策规则可以把多维特征空间分成n各类别区域，划分这些区域的边界面称之为决策面，在数学上用解析形式表示为决策面方程。

5.判别函数：用以表述判别规则的函数。

6.最小错误率贝叶斯决策
模式识别这些干货你都 get 了吗？
7.最小风险贝叶斯决策

ps：其实到这里，这篇博文的目的已经达到了——帮我捋顺贝叶斯决策，以便完成那个最大似然法分类遥感影像的编程，剩下的，如果还想写就在找时间来补坑吧（我的坑可真是越来越多了 ????）

8.聂曼-皮尔逊判决（neyman-pearson）
在一类错误率固定使另一类错误率最小的判别准则
模式识别这些干货你都 get 了吗？
9.最大最小判别准则