一、模式的距离度量 通过特征抽取，我们以特征空间中的一个点来表示输入的模式，属于同一个类别的样本 所对应的点在模式空间中聚集在一定的区域，而其它类别的样本点则聚集在其它区域，则就 启发我们利用点与点之间距离远近作为设计分类器的基准。这种思路就是我们这一章所要介 绍的距离分类器的基础

适当时，可以使同一类模式的特征点在特征空间中某个子区域内分布，另一类模式的特征点 在另一子区域分布（例如苹果和橙子的问题）。这样，我们就可以用空间中的一些超曲面将 特征空间划分为一些互不重叠的子区域，使不同模式的类别在不同的子区域中。这些超曲面 称为判别界面，可以用一个方程来表示：

【机器感知与模式识别】维度加权模式动态纹理特征的火焰检测

机器感知与模式识别：多源监测信息融合仿生复眼型系统模式及感知计算机理

机器感知与模式识别：模式匹配不确定性的多因素集结度量

运用模糊分类理论构建了两种板形模式识别的模糊分类方法,并运用于某宽带钢冷轧厂实测的板形应力信号的识别,有较好结果

在距离分类器和判别函数分类器中，我们都是把模式看作是 N 维欧氏空间中的一个点， 而且统一类别的模式在空间中聚集在一定的区域，不同模式的区域在空间中具有一定的分离 性。在本章所讨论的统计分类器中，我们仍然认为模式是欧氏空间中的一个点，但是每一类 模式不是分布在空间中的一个确定区域，而是可能分布在整个空间，只不过空间中每一点属 于某一类的概率不同，属于这一类的可能性大一些，属于另一类的可能性小一些

基于传感器技术、信号处理技术和模式识别技术发展起来的电子鼻技术是过去二十年中发展最为迅速的气相分析和气体检测技术之一,它已逐渐在生物医学、环境监测、农业生产、食品检测等多个领域得到应用.电子鼻是利用对待测气体具有交叉敏感性的传感器阵列将待测气体中的混杂气味组分信息转化为与时间、成分、浓度或含量相关的可测物理信号组,利用信号采集系统输出含有待测气体特征信息的数字信号,通过模式识别系统分析数字信号得到待测气体综合气味信息和隐含特征,实现对待测气体快速、系统、准确的鉴别和分析.本文综述了电子鼻技术中的传感器技术和模式识别技术及在中国白酒品牌鉴定、风味识别、酒龄检测方面的最新研究进展;以聚合物石英压电传感器型电子鼻为例,阐明该电子鼻的技术方案及其在中国白酒检测中的应用;展望电子鼻未来研究方向

 聚类分析的概念 一、聚类分析的基本思想 ★相似的归为一类。 ★模式相似性的度量。 ★无监督分类算法。 二、特征量的类型 ★物理量----(重量、长度、速度) ★次序量----(等级、技能、学识) ★名义量----(性别、状态、种类)  模式相似性测度  类的定义与类间距离  聚类的算法

利用多项式回归的方法获得不同工况下发动机速度随时间变化的数学模型．基于测试工况定义时的模糊性，故在测试中采用模糊模式识别的方法，确定实际的测试工况，以用于测试参数的处理