模式识别 1.距离分类器

最简单的分类器

看起来像鸭子，叫起来像鸭子，游起来像鸭子，那就是一个鸭子。

wi代表类别，ui代表这个类别的模板。s(x,ui)就是x与ui的相似度。

就是距离

没什么区别，就是把距离转化为了界面

那么x和各个u的距离是怎么计算的呢，或者说这个模板是怎么定的：

挑最近的那个，所以叫最近邻。

用图来表示就是这样 ：

最近邻方法的特点：

那我们要怎样加速呢：

 

这就是计算总距离最小的那个点

 

求极值点

以上就是单模板匹配学习，每个样本就是用模板的“均值”来代表的

 

K近邻算法：

 

假如不用欧氏几何距离，还有什么计算距离的方法？： 

 

 

 

就是看横纵坐标中差距大的那个，就是切比雪夫距离。为什么说它是无穷范数呢？在无穷次方的情况下只要有一个维度的值比别人大，那么这点差距就是无穷放大，结果只剩下最大的哪一个。

 

 各种范数，用图来显示怎么说？：

样本规格化：

 

 

 

有点复杂的马氏距离：

 

 

 

 

相似性度量：

 

 

 

 

 

总结：