模式識(shí)別算法適用性研究.pdf

1、本文在分析研究最常見的聚類分析、判別分析、概率神經(jīng)網(wǎng)絡(luò)和學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)模式識(shí)別算法的基礎(chǔ)上,研究了在傳感器陣列采集信息的背景下上述四種模式識(shí)別算法的使用場合,并以電子鼻、電子舌對識(shí)別與飲料分類,指紋的糖尿病遺傳特征提取和分類為實(shí)例論證所提出的觀點(diǎn).本文的主要結(jié)論是:1.聚類分析最簡單,可以根據(jù)樣本原始數(shù)據(jù)按照距離尺度分類,但是樣本劃分比較粗糙,只能按照大類區(qū)分.適用于模式識(shí)別建模初期.采用聚類分析算法分析樣本,篩選質(zhì)量較好的訓(xùn)練樣

2、本并且可以根據(jù)樣本重疊程度為后續(xù)挑選模式識(shí)別建模方法提供訓(xùn)練樣本和依據(jù).2.針對傳感器陣列采樣樣本聚類,證明出曼哈坦距離比歐氏距離能提取更多的樣本信息,因此曼哈坦距離可以作為這類樣本聚類的距離尺度.3.判別分析算法計(jì)算簡單,適用于單片機(jī)模式識(shí)別應(yīng)用場合.4.概率神經(jīng)網(wǎng)絡(luò)算法適用于復(fù)雜的識(shí)別對象和計(jì)算能力較強(qiáng)、內(nèi)存容量大的計(jì)算機(jī)模式識(shí)別應(yīng)用場合.5.學(xué)習(xí)向量量化神經(jīng)網(wǎng)絡(luò)算法比概率神經(jīng)網(wǎng)絡(luò)算法簡單,比判別分析算法分類能力強(qiáng).介于判別分析算法