? 3.如果不是，那么你依靠的是什么呢？用学术语言该如何表示。

? 4.我们是以统计学为基础分析模式识别问题，采用的是错误概率评价分类

器性能。如果不采用统计学，你是否能想到还有什么合理地分类器性能评价指标来替代错误率？

1.知觉的特性为选择性、整体性、理解性、恒常性。错觉是错误的知觉，是在特定条件下产生的对客观事物歪曲的知觉。认知是一个过程，需要大脑的参与.人的认知并不神秘，也符合一定的规律，也会产生错误

3.辨别事物的最基本方法是计算.从不同事物所具有的不同属性为出发点认识事物.一种是对事物的属性进行度量，属于定量的表示方法(向量表示法)。另一种则是对事务所包含的成分进行分析，称为定性的描述(结构性描述方法)。

第二次课堂作业

?作为学生，你需要判断今天的课是否点名。结合该问题(或者其它你熟悉的识别问题，

如”天气预报”)，说明:

?先验概率、后验概率和类条件概率？

?按照最小错误率如何决策？

?按照最小风险如何决策？

ωi为老师点名的事件,x为判断老师点名的概率

1.先验概率:指根据以往经验和分析得到的该老师点名的概率,即为先验概率P(ωi )

后验概率:在收到某个消息之后，接收端所了解到的该消息发送的概率称为后验概率。

在上过课之后,了解到的老师点名的概率为后验概率P(ωi|x)

类条件概率:在老师点名这个事件发生的条件下,学生判断老师点名的概率p(x| ωi )

如果P(ω1|X)>P(ω2|X)，则X归为ω1类别

如果P(ω1|X)≤P(ω2|X)，则X归为ω2类别

3.1)计算出后验概率

已知P(ωi)和P(X|ωi)，i=1,…，c，获得观测到的特征向量X

根据贝叶斯公式计算

j=1,…，x

2)计算条件风险

第一次课堂作业? 1.人在识别事物时是否可以避免错识？? 2.如果错识不可避免，那么你是否怀疑你所看到的、听到的、嗅到的到底是真是的，还是虚假的？? 3.如果不是，那么你依靠的是什么呢？用学术语言该如何表示。? 4.我们是以统计学为基础分析模式识别问题，采用的是错误概率评价分类器性能。如果不采用统计学，你是否能想到还有什么合理地分类器性能评价指标来替代错误率？1.知觉的特性为选择性、整体性、理解性... 定义：卷积运算就是对于图像 f(x,y) 中的每个像素，将其作为中心像素，计算它及其邻域像素和kernel核 w(a,b)对应位置元素的乘积，然后把结果相加到一起，得到的值就作为该中心像素的新值，这样就完成了一次卷积运算。然后将kernel向下或向左平移一位继续计算每个像素的新值，直到遍历完整个图像。 作用：降噪 1.线性性 2.平移不变性 3. 任何平移操作都可用卷积来实现 卷积的边缘填充问题 不填充的话，卷积后的图像尺寸会变... 图像预处理 图像预处理的主要目的是消除图像中无关的信息，恢复有用的真实信息，增强有关信息的可检测性、最大限度地简化数据，从而改进特征提取、图像分割、匹配和 识别 的可靠性。 一般的预处理流程为：灰度化->几何变换->图像增强 增强图像中的有用信息，它可以是一个失真的过程，其目的是要改善图像的视觉效果，针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征，扩大图像中不同物体特征之间的差别，抑制不感兴趣的特征，