模式识别：调整增广权向量规则详解

本讲义主要探讨了调整增广权矢量在模式识别中的关键规则。模式识别是一门广泛应用于信息工程、人工智能等领域的重要课程，由蔡宣平教授主讲，适用于信息工程专业的本科生、硕士研究生以及博士生。课程内容覆盖了基本概念、方法、算法和实际应用，强调理论与实践的结合。 (1) 调整增广权矢量规则： - 规则一：当样本（Sample）满足特定条件，如两个样本属于不同的类别（Pattern Class）且它们的增广权矢量（Augmented Weight Vector）满足一定的相似度阈值时，进行相应的权重更新。 - 规则二：当样本属于同一类别但增广权矢量未充分覆盖，即样本间的距离小于某一标准，可能需要调整增广权矢量以提高分类的准确性。 - 规则三：如果样本集中的样本数量k小于总样本数N，继续执行调整步骤直到所有样本都被考虑过，然后检验判别函数能否正确分类所有样本。若不能，回到初始步骤重新调整。 (2) 教学方法： - 课程采用深入浅出的方式，避免过多的数学推导，重点在于理解基本概念和方法，以及如何将其应用到实际问题中。 - 实例教学是教学的核心，通过具体的案例让学生将理论知识转化为实践能力。 (3) 教学目标： - 基本目标是学生能掌握模式识别的基本概念和方法，并通过考试获得学分。 - 提高目标是鼓励学生将所学知识应用于课题研究和解决实际问题。 - 飞跃目标则是培养学生的创新思维，为未来工作奠定坚实的基础。 (4) 教材与参考文献： 讲义引用了多部经典的模式识别教材，如孙即祥的《现代模式识别》、吴逸飞译的《模式识别——原理、方法及应用》和李晶皎等人的翻译作品，为学生提供了丰富的学习资源。 课程内容按照逻辑顺序展开，包括引论、聚类分析、判别域代数界面方程法、统计判决、学习、训练与错误率估计、最近邻方法、特征提取和选择，以及上机实习，确保理论知识与实践操作相结合，帮助学生全面理解和掌握模式识别技术。