正在打开页面…
用事先已有的类别、模型或经验知识支持观测解释和可信度更新。
先验知识是在本次观测解释前已有的类别特征、模型、经验或假设可信程度,帮助系统理解组合信息。它不只是当前传感器读数,也不能泛指一切训练样本;某些样本可用于建立先验或模型,但需说明实际作用。
目标识别把实测多维特征与已知类别特征比较。Bayes推理把假设的先验可信程度与新观测的条件关系结合,更新观测后的可信程度;后验是给定观测后对假设的可信程度,不能与给定假设下出现观测的可能性混淆。
先验可随证据修正,不是永远压过新观测的绝对结论;不适用或错误的先验会影响解释,应记录来源和适用范围。
基础测试统一使用选择题,先确认概念、定义和关键判断是否扎实。
已知目标类别的典型特征在识别中起什么作用?
作为先验依据与实测特征比较
替代全部实际观测,无须采样
保证任何新目标都必属于已有类别
新观测与原先判断不一致时,先验应如何理解?
无论证据怎样,先验都必须保持100%可信
可按模型结合新证据更新,不是绝对不变结论
只能删除新观测以维持原判断
暂无前置知识
暂无后续知识
暂无相关知识