统计模式识别研究进展.pdfVIP

学术论文 ! # $% ’ (#’ 文章编号：!$$5 6 7!!5 ’ #$$8 ）!! 6 $$85 6 $% 统计模式识别研究进展 ! 卢 力 田金文 柳 健 ’ 华中科技大学图像识别与人工智能研究所，图像信息处理 与智能控制教育部重点实验室； 华中科技大学数学系，武汉 ） ! %8$$9% 摘 要 研究了统计模式识别研究的主要新进展。介绍了统计模式识别的原理和方法。从类条件概率分布的 估计、线性判别法、贝叶斯分类器、误差界以及新的模式识别模型等方面概述了近几年有关统计模式识别方面的 研究进展。最后进行了评述。 关键词 模式识别，统计模式识别，神经网络，支持向量机，类条件密度估计，线性判别方法，贝叶斯分类 器，核函数方法，粗糙集 !#$%’( )* +,$,-(,-$. /$,,’0% 1’)2%-,-)% :; :, 2,= ,=?@= :,; ,= !3(,0$, ABCD D@E@=F 0@G@HCIJ@=FK CL KFF,KF,EH IFF@D= D@ECM=,F,C= D@ D@G,@?@0 N,DKF/ FO@ ID,=E,IH@ =0 J@FOC0K CL KFF,KF,EH IFF@D= D@ECM=,F,C= D@ 0@KED,P@0 2O@=/ FO@ =@?HQ D@K@DEO CL KFF,KF,EH IFF@D= D@ECM=,F,C= ,K D@G,@?@0/ ?O,EO EC=K,KFK CL EHKK 6 EC=0,F,C=H 6 0@=K,FQ @KF,JF,C= ，H,=@D 0,KED,J,==F J@FOC0K ，RQ@K EHKK,L,@D ，@DDCD PC;=0K =0 KCJ@ =CG@H IFF@D= D@ECM=,F,C= JC0@HK N,=HHQ/ KCJ@ ECJJ@=FK PC;F IFF@D= D@ECM=,F,C= D@ ECJJ@=F@0 4’56)0( SFF@D= D@ECM=,F,C= ，TFF,KF,EH IFF@D= D@ECM=,F,C= ，3@;DH =@F?CDUK ，T;IICDF G@EFCD JEO,=@K ，4HKK 6 ， ， ， ， EC=0,F,C=H 6 0@=K,FQ @KF,JF,C= V,=@D 0,KED,J,==F J@FOC0K RQ@K EHKK,L,@D W@D=@H L;=EF,C= PK@0 J@FOC0K XC;MO K@FK ! 统计模式识别的原理与方法简介 式分类。数据生成是将输入模式的原始信息转换为向量， ! ! 模式识别 成为计算机易于处理的形式。模式分析是对数据进行加 模式识别是人类的一项基本智能，在日常生活中，人 工，包括特征选择、特征提取、数据维数压缩和决定可能 们经常在进行 “模式识别”。随着 世纪 年代计算机 存在的类别等。模式分类则是利用模式分析所获得的信 #$ %$ 的出现以及$ 年代人工智能的兴起，人们当然也希望能用 息，对计算机进行训练，从而制定判别标准，以期对待识 计算机