距离分类器 (2)优秀PPT.ppt

距离分类器现在学习的是第1页，共10页采用最小距离分类原理，可得分类规则为：例如如果采用欧几里得距离取因为 与j无关，分类规则可写为：现在学习的是第2页，共10页分散样本的距离分类器各类具有分散样本，如有R个类别：第m个类有样本集合：然后对待识样本X进行分类。现在学习的是第3页，共10页一 平均样本法 平均样本法是由各类的训练样本集，求平均值作为标准样本。例如假设有s个样本 ，取标准样本为：然后采用前述的最小距离分类器进行分类。这种方法最简单，但是完全没有考虑样本散布对分类的影响。现在学习的是第4页，共10页二 平均距离法平均距离法是用待识别样本与 的所有训练样本的平均距离表示待识别样本与类 的距离以最小的距离作为X的分类。考虑了样本散布的影响，故在样本散布较大时，效果优于平均样本法，但需要存储所有的训练样本，计算量大。现在学习的是第5页，共10页三 最近邻法 最近邻法以与待分类样本X距离最小的训练样本类别作为X的分类：然后采用前述的最小距离分类器进行分类。这种简单分类原理可以分割大多数几何可分的类别。但它也要存储和计算所有训练样本；同时在分类时只利用最近邻样本的信息，而未能充分利用所有样本信息，因而圾易受噪声影响。现在学习的是第6页，共10页最邻近法的改进：平均样本法：用一点代表一个类别，过于集中；最近邻法：以类内的每一点代表类别，过于分散；改进最近邻法：将每个类别的训练样本划分为几个子集，以子集的平均样本作为代表样本。然后用最邻近法分类。K-近邻法：根据待分类样本X最邻近的k个样本点中多数点的类别来分类。计算X与所有训练样本的离，找到最近邻的k个点，算得其中属于 类的点数 ，并按以下判别规则分类。其中现在学习的是第7页，共10页最小距离分类法特点：最小距离分类器宜用于低维、小样本数、样本散布小的情况。而且应从实际分类试验中的错误概率来判定分类方法的适用性。现在学习的是第8页，共10页应用案例语音识别：用MFCC参数作为人语音特征，MFCC 系数计算过程分可为三个步骤:计算音频信号的快速傅里叶变换;滤波器组滤波;离散余弦逆变换得到 MFCC 系数。计算公式如下：本例中舍去代表直流成分的C(0)，取C(1)，C(2)，C(K)作为MFCC参数。取K=12。然后采用平均样本法，根据测试和训练数据，对目标人的多个分析帧的训练特征矢量计算平均值，然后找出这些平均训练矢量和测试矢量之间的距离取一阀值T，DT，则认为是目标对象讲话。现在学习的是第9页，共10页现在学习的是第10页，共10页