机器视觉（AOI）之统计模式识别研究的主要问题
1）特征的选择与优化对特征空间进行优化有两种基本方法。一种是特征选择，如果所选用的特征空间能使同类物体分布具有紧致性，可以为分类器设计提供良好的基础；反之，如果不同类别的样品在该特征空间中混杂在一起，再好的设计方法也无法提高分类器的准确性。另一种是特征的组合优化，通过一种映射变换改造原特征空间，构造一个新的精简的特征空间。2）分类判别已知若干个样品的类别以及特征，例如，手写阿拉伯数字的判别是10个类的分类问题，机器首先要知道每个手写数字的形状特征，对同一个数字，不同的人有不同的写法，必须让机器知道它属于哪一类。因此对分类问题需要建立样品库。根据这些样品库建立判别分类函数，这一过程由机器来实现，成为学习过程，然后对一个未知的新对象分析它的特征，决定它属于哪一类。这是一种监督学习的方法。3）聚类判别移植若干对象和它们的特征，但不知道每个对象属于哪一类，而且事先并不知道究竟分成多少类，用某种相似性度量的方法，及”物以类聚，人以群分”，把特征相同的归为一类。这是一种非监督学习的方法。
郑重声明：
1、部分内容来源于网络，本文版权归原作者所有，转载文章仅为传播更多信息之目的。
2、本文仅供学术交流，非商用。如果某部分不小心侵犯了大家的利益，请联系删除。
