模式识别

1. 模式识别 主讲： 蔡宣平 教授 电话： 73441（O）,73442（H）E-mail：xpcai@nudt.edu.cn单位: 电子科学与工程学院信息工程系

2. 第六章 最近邻方法 6.1 最近邻决策规则 6.2 剪辑最近邻法 6.3 实例

3. 最近邻决策规则—1-NN 最近邻方法

4. 显然 如果 则 最近邻决策规则—k-NN 最近邻方法 对于一个待识别模式x, 分别计算它与 个已知类别的样本 的距离, 取k个最近邻样本,这k个样本中哪一类最多, 就判属哪一类。即：

5. 对于两类问题，设将已知类别的样本集 分成参照集 和测试集 两部分，这两部分没有公共元素，它们的样本数各为NR和NT，NR+NT=N。利用参照集 中的样本 采用最近邻规则对已知类别的测试集 中的每个样本 进行分类，剪辑掉 中被错误分类的样本。 是 的最近邻元，剪辑掉不 若 与 同类的 ，余下的判决正确的样本组成剪辑样本集 ，这一操作称为剪辑。 剪辑最近邻法 剪辑最近邻方法

6. 这里 如果 则 剪辑最近邻法 剪辑最近邻方法 获得剪辑样本集 后，对待识模式 采用最近邻规则进行分类。

7. 剪辑k-NN 最近邻法 剪辑最近邻方法 剪辑最近邻法可以推广至k—近邻法中，具体的做法是：第一步用k—NN 法进行剪辑，第二步用1—NN 法进行分类。 如果样本足够多，就可以重复地执行剪辑程序，以进一步提高分类性能。称为重复剪辑最近邻法。

9. 实例： 以现金识别的数据作为模式样本进行最近邻法分类。