1、本文在分析研究最常見的聚類分析、判別分析、概率神經(jīng)網(wǎng)絡和學習向量量化神經(jīng)網(wǎng)絡模式識別算法的基礎上,研究了在傳感器陣列采集信息的背景下上述四種模式識別算法的使用場合,并以電子鼻、電子舌對識別與飲料分類,指紋的糖尿病遺傳特征提取和分類為實例論證所提出的觀點.本文的主要結(jié)論是:1.聚類分析最簡單,可以根據(jù)樣本原始數(shù)據(jù)按照距離尺度分類,但是樣本劃分比較粗糙,只能按照大類區(qū)分.適用于模式識別建模初期.采用聚類分析算法分析樣本,篩選質(zhì)量較好的訓練樣

2、本并且可以根據(jù)樣本重疊程度為后續(xù)挑選模式識別建模方法提供訓練樣本和依據(jù).2.針對傳感器陣列采樣樣本聚類,證明出曼哈坦距離比歐氏距離能提取更多的樣本信息,因此曼哈坦距離可以作為這類樣本聚類的距離尺度.3.判別分析算法計算簡單,適用于單片機模式識別應用場合.4.概率神經(jīng)網(wǎng)絡算法適用于復雜的識別對象和計算能力較強、內(nèi)存容量大的計算機模式識別應用場合.5.學習向量量化神經(jīng)網(wǎng)絡算法比概率神經(jīng)網(wǎng)絡算法簡單,比判別分析算法分類能力強.介于判別分析算法