首页 > 代码库 > 模式识别之基础---mqdf分类器==MQDF改进的二次分类器
模式识别之基础---mqdf分类器==MQDF改进的二次分类器
QDF假设样本符合高斯分布,通过估计均值与协方差矩阵,训练分类器。但是由于特征维数较高,时空复杂度较高。(协方差矩阵的维数为 特征维数*特征维数)。而且协方差矩阵往往存在不满秩无法求逆的情况(样本数《特征维数)。MQDF主要有以下改进:1、在协方差矩阵的对角线上加一个小的常量,保证矩阵的满秩(非奇异性)。2、对协方差矩阵进行特征值分解,将特征值按照逆序排列(matlab的eig函数默认已经是降序),选取一定数量的特征值(截断维数),将较小的特征值用常量代替。从而降低分类器的空间复杂度。如果原始特征维数过高,往往首先进行降维(PCA LDA)。
分类器的训练:协方差越大,包含的信息量就越多,最后分类就越准。所谓二次分类器,就如初等数学里的二次函数,协方差矩阵反应的是特征之间的散布情况,每个训练样本都可以看作是方程组的一个观测解,比如初等代数中求解3元一次方程,需要三个独立方程。所以训练时的样本数要达到一定数量才可以有较为准确的解。
OCR中的多类问题如何处理?(车牌识别是小字符集问题)
相似的字符符合分类?(如数字0和字母O)
http://blog.sina.com.cn/s/blog_49d1bc3601011w3w.html
模式识别之基础---mqdf分类器==MQDF改进的二次分类器
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。