【发布时间】：2012-10-12 17:09:32
【问题描述】：
这是一个研究问题，不是直接编程问题。
我正在研究一种符号识别算法，该软件目前的工作是拍摄一张图像，将其划分为轮廓（斑点）并开始将每个轮廓与预定义模板列表进行匹配。然后对于每个轮廓，它采用具有最高匹配率的轮廓。
算法运行良好，但我需要更好地训练它。我的意思是： 我想使用一种机器学习算法来训练算法以获得更好的匹配。举个例子吧：
我在一个符号上运行识别，算法将运行并发现这个符号是汽车，然后我必须确认结果（可能通过单击“是”或“否”）算法应该从中学习.因此，如果我单击“否”，算法应该知道这不是一辆车，并且下次会有更好的结果（也许尝试匹配其他东西）。而如果我点击是，他会知道他是正确的，下次他在找车时会表现得更好。
这是我正在尝试研究的概念。我需要可以实现这类事情的文档或算法。我不是在寻找实现或编程，只是在寻找概念或研究。
我已经做了很多研究并阅读了很多关于机器学习、神经网络、决策树的文章......但我不知道如何在我的场景中使用任何东西。
我希望我很清楚，并且此类问题在堆栈溢出时是允许的。如果没有，我很抱歉
非常感谢您的帮助或提示
【问题讨论】：
-
如果您想了解机器学习，我建议您投资大学学位，或者至少获得一本关于该主题的好书。
-
如果您在这里没有得到任何乐趣，请尝试其他一些 stackexchange 网站，这在概念层面可能会更有帮助。
-
PS - 尝试以Bayesian probability 作为起点。过去我看到它运行良好。
-
我同意尼克哈的观点。我被吸引到这里是因为我希望找到一些理论:)
-
@nickhar 您会推荐哪个 Stack 交换站点？谢谢
标签： machine-learning image-recognition