基于Bayes錯(cuò)誤率上界最小的特征選擇算法的研究.pdf

1、申請(qǐng)同濟(jì)大學(xué)工學(xué)碩士學(xué)位論文Y8552左基于Bayes錯(cuò)誤率上界最小的特征選擇算法的研究培養(yǎng)單位：電子與信息工程學(xué)院一級(jí)學(xué)科：計(jì)算機(jī)科學(xué)與技術(shù)二級(jí)學(xué)科：模式識(shí)別與智能系統(tǒng)研究生：張振平指導(dǎo)教師：宣國(guó)榮教授二oO六年三月摘要分類的主要信息?？v坐標(biāo)是類內(nèi)分布，用類內(nèi)距離表示，它提供分類的輔助信息。B—W分布圖適用于模式識(shí)別中的有監(jiān)督分類，可以用于觀察樣本的類內(nèi)類間分布情況，表示樣本分類的個(gè)體性能，還能夠評(píng)價(jià)特征的分類能力，指導(dǎo)分類器設(shè)計(jì)。所

2、以說，B—w分布圖比通常的一個(gè)簡(jiǎn)單分類能力指標(biāo)“分類錯(cuò)誤率”提供了更多的分類信息。本文將提出的快速算法在MNIST(美國(guó)標(biāo)準(zhǔn)手寫體數(shù)字庫(kù))上進(jìn)行了試驗(yàn)驗(yàn)證，對(duì)原始樣本采用各種特征選擇方法降維后，進(jìn)行實(shí)際的分類。通過同其他特征選擇方法的試驗(yàn)結(jié)果的比較，可以證明：盡管MNIST不完全滿足正態(tài)分布，但是本文提出的特征選擇方法，仍能取得比PcA。u)A等方法更好的分類性能。同時(shí)可以證明，本方法可以很好的應(yīng)用到實(shí)際的模式分類問題中。關(guān)鍵字：Bay