-
模式识别：模式识别是指把对象根据其特征归到若干类别中适当的一类。模式识别也称为模式分类
-
模式：模式是指因素间存在确定性或随机性规律的对象、过程或事件的集合
-
识别：识别就是把对象分门别类地认出来
-
样本（sample）：所研究对象的一个个体
-
样本集（sample set）：若干样本的集合
-
类或类别（class）：在所有样本上定义的一个子集，处于同一类的样本具有相同的模式
-
特征(feature)：表征样本的特点或性状的量化集合，通常是数值表示（对非数值型要转换为数值型），也被称作属性（attribute）。如果存在多个特征，它们就组成特征向量(feature vector)。样本的特征构成了样本特征空间，空间的维数就是特征维数，每个样本是样本空间的一个点。
-
统计量：指不含未知参数的样本函数。如样本x_{1},x_{2},…,x_{n}的算术平均值\frac{1}{n}\sum_{i=1}^{n}x_i
-
参数空间：在参数估计中，总是假设总体概率密度函数的形式已知，而未知的仅是分布中的几个参数，将未知参数记为\theta，在统计学中，将总体分布未知参数\theta的全部可容许值组成的集合称为参数空间，记为 \Theta
-
点估计、估计量和估计值：点估计就是要构造一个统计量{\color{Red} d(x_i,…,x_N)}作为参数\theta的估计\hat{ \theta },在统计学中称\hat{ \theta }为\theta的估计量。如果x_1 ^ {i},…,x_N^{i}是属于类别的\omega _i几个样本估计值，代入统计量{\color{Red} d(x_i,…,x_N)}就得到对于第i类的\hat{ \theta }具体的数值，这个数值称为\theta的估计值。
-
区间估计：区间估计是除点估计之外的另一类参数估计。相对于点估计只给出一个具体的数值，区间估计能够给出一个估计的范围。区间估计 = 点估计值 ± 边际误差。这个区间称为置信区间。
-
最优分类超平面：一个超平面，如果它能够将训练样本没有错误地分开，并且两类训练样本中离超平面最近的样本与超平面之间的距离最大，则把这个超平面称作最优分类超平面。两类样本中离分类超平面最近的样本到分类面的距离称作分类间隔，最优分类超平面也称作最大间隔超平面。
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
