映像資料採礦

資料採礦是在大量資料中發現隱含其中的模式、特徵、規律和知識。根據實際的模式可以分為分類、聚類、迴歸、序列、時間序列。映像資料採礦是在映像資料庫中抽取隱含知識的過程，並用於知道分類。常規分類有：貝葉斯、決策樹、最大似然發、最小距離法、神經網路、支援向量機、模糊分類、k-均值，如果在分類時，單一的屬性或者很少的屬性就能把類別分出來，就更好了，當然這些方法中還有很多混合的地方。

分類的一般過程為：

單一的屬性分類採用閾值分割，嵌套在決策樹中；而多個屬性分類則使用向量機，加強型的使用模糊分類隸屬度最後得出類別。

在映像解譯中，總是會或多或少的參入先驗知識，如何使電腦再不需要先驗知識的情況下進行分類一直是一個痛點，資料採礦也常常帶有不確定性，最後得出的類別錯分現象也在所難免。