本实验的目的是学习Parzen窗估计方法。在之前的模式识别研究中，我们假设概率密度函数的参数形式已知，即判别函数J(.)的参数是已知的。本节使用非参数化的方法来处理任意形式的概率分布而不必事先考虑概率密度的参数形式。在模式识别中有躲在令人感兴趣的非参数化方法，Parzen窗估计的估计法
2021-04-05 20:09:42
2KB
1
PARZEN窗和K近邻算法的python实现。
现实生活中常常会有这样的问题：缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习。
2020-01-03 11:37:35
5KB
1
分别采用高斯窗和方窗对给定的男女生身高体重分布进行概率密度估计，并设计基于贝叶斯最小错误率的分类器，对测试样本进行男女分类
2019-12-21 22:12:42
4KB
1