《模式识别(9.11).ppt》由会员分享，可在线阅读，更多相关《模式识别(9.11).ppt（33页珍藏版）》请在金锄头文库上搜索。
1、2020/9/7,1,2012年东南大学硕士研究生课程模式识别(Pattern Recognition),第一讲 绪 论 秦中元 东南大学信息科学与工程学院 ,2020/9/7,2,考核方式,课堂教学+实验报告 期末考核方式：闭卷考试 最后成绩： 考试成绩：70% 实验报告：30%,2020/9/7,3,1.1 什么是模式识别？,模式识别的发展 模式识别是60年代初以来迅速发展的一门学科，推动了人工智能技术以及图像处理、信号处理、多媒体技术、计算机视觉等多种学科的发展，扩大了计算机应用的领域。 模式识别的概念 研究如何使机器具有识别、分类能力的学科。 模式识别是利用计算机自动地（或人尽量少地干
2、涉）把待识别的模式分配到各自的模式类中。,2020/9/7,4,机器与人类识别事物原理的比较,人类对于模式的识别能力 人们可以从事物中分析出哪些是本质，哪些是表象，从而总结成规律，并抽象成概念。 机器进行识别的方法 需要人研究出好的算法，设计成系统，使机器具有辨别事物的本领。,2020/9/7,5,为什么要研究模式识别,工程 产品缺陷检测、自动导航系统、污染分析 医学 心电图分析、脑电图分析、医学图像分析 军事 航空摄像分析、雷达和声纳信号检测和分类、自动目标识别 生活 指纹识别、语音识别、人脸识别、监视和报警系统 信息安全 防火墙、入侵检测、病毒和恶意代码检测,1.2 模式识别系统,1.2.
3、1 简例：建立感性认识 以癌细胞识别为例，了解机器识别的全过程。,1. 信息输入与数据获取,将显微细胞图像转换成数字化细胞图像，是计算机分析的原始数据基础。,灰度数字图像的像素值反映光密度的大小。,2. 数字化细胞图像的预处理与区域划分 预处理的目的： （1）去除在数据获取时引入的噪声与干扰。 （2）去除所有夹杂在背景上的次要图像，突出主要的待识别 的细胞图像。 例：平滑、图像增强等数字图像处理技术。 区域划分的目的： 找出边界，划分出三个区域，为特征抽取做准备。,设灰度阈值为Tc和Tn，图像中某像素的灰度值为Ti，则： Ti Tn的点属于胞核区； Ti Tc的点属于背景区； TcTi Tn的
4、点属于胞浆区；,例：对一个细胞抽取33个特征 ，建立一个33维的空间X，每个细胞可通过一个33维随机向量表示，记为：,即把一个物理实体“细胞”变成了一个数学模型“33维随机 向量”，也即33维空间中的一点。,3. 细胞特征的抽取、选择和提取 目的：为了建立各种特征的数学模型，以用于分类。, 抽取特征 ：原始采集数据，第一手资料，特征数据量大。是特征选择和提取的依据。, 特征选择：在原始特征基础上选择一些主要特征作为判别用的特征。 特征提取：采用某种变换技术，得出数目上比原来少的综合特征作为分类用，称为特征维数压缩，习惯上亦称特征提取。,例：有五个特征 ，以及变换f()、g() ,则可有：,结果
5、： X 空间中的向量 变成 Y 空间的向量,即：特征向量由5维降为2维。,4. 判别分类,（1）气管细胞97个，识别错误率为7.2% 。 （2）肺细胞166个，识别错误率为18% 。,判别的好坏通过错误率给出，不同错误的代价和风险不同。,细胞图像的 计算机分类系统框图,模式识别一般步骤：,2020/9/7,12,模式识别过程实例2,在传送带上用光学传感器件对鱼按品种分类 鲈鱼(Seabass) 品种 鲑鱼(Salmon),2020/9/7,13,识别过程,数据获取：架设一个摄像机，采集一些样本图像，获取样本数据 预处理：去噪声，用一个分割操作把鱼和鱼之间以及鱼和背景之间分开,2020/9/7,
6、14,识别过程,特征提取和选择：对单个鱼的信息进行特征选择，从而通过测量某些特征来减少信息量 长度 亮度 宽度 鱼翅的数量和形状 嘴的位置，等等 分类决策：把特征送入决策分类器,2020/9/7,15,鲈鱼和鲑鱼的识别过程,2020/9/7,16,从长度进行分类,鲑鱼,鲈鱼,2020/9/7,17,从光泽度进行分类,鲑鱼,鲈鱼,2020/9/7,18,判决模型1,鲑鱼,鲈鱼,判决模型非常简单，但是存在一些错误,2020/9/7,19,判决模型2,鲑鱼,鲈鱼,能够做到完美分类， 但是推广能力差(poor generalization),2020/9/7,20,判决模型3,鲑鱼,鲈鱼,分类性能和复
7、杂度的最优折中，具有较好的推广能力,2020/9/7,21,例1.3 生物识别技术。 根据每个人独有的可以采样和测量的生物学特征（生理特征）和行为学特征进行身份识别的技术。,1）指纹识别：最早、最成熟的识别技术。 2）掌纹识别：研究纹线上某几个点的幅值（灰度值）、线长 与线所对应的角之比等特征。 3）人脸识别： 4）虹膜识别： 5 ）签名识别 6）击键分析,还有没有其他的生物识别技术？,1.2.2 模式识别系统组成,学习过程,判决过程,分类规则训练,分类决策,数据获取,预处理,特征选择 或提取,注意：“处理”与“识别”两个概念的区别,处理：输入与输出是同样的对象，性质不变。 识别：输入的是事物
8、，输出的是对它的分类、理解和描述。,模式识别系统框图,2020/9/7,23,模式识别系统组成单元,数据获取：用计算机可以运算的符号来表示所研究的对象 二维图像：文字、指纹、地图、照片等 一维波形：脑电图、心电图、季节震动波形等 物理参量和逻辑值：体温、化验数据、参量正常与否的描述 预处理单元：去噪声，提取有用信息，并对输入测量仪器或其它因素所造成的退化现象进行复原,2020/9/7,24,模式识别系统组成单元,特征提取和选择：对原始数据进行变换，得到最能反映分类本质的特征 测量空间：原始数据组成的空间 特征空间：分类识别赖以进行的空间 模式表示：维数较高的测量空间-维数较低的特征空间 分类决
9、策：在特征空间中用模式识别方法把被识别对象归为某一类别 基本做法：在样本训练集基础上确定某个判决规则，使得按这种规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小,2020/9/7,25,模式识别系统的分类1,统计模式识别和句法模式识别 统计模式识别通常采用概率论和数理统计的方法。采用判别函数，使得误判概率最小。 句法模式识别需要对模式的结构进行分析，将模式表示为基元，基元之间满足一定的句法结构。例如对图像的结构进行分析。 统计方法和句法方法互相补充。,（b）,（c）,2020/9/7,27, 模糊模式识别 以隶属度 为基础，运用模糊数学中的“关系”概念和运算进行分类。隶属度反映的
10、是某一元素属于某集合的程度。,例：元素 a、b、c对正方形的隶属度：,a比b更像正方形。,说明：,神经网络模式识别法 以人工神经元为基础，模拟人脑神经细胞的工作特点。对脑部工作的生理机制进行模拟，实现形象思维的模拟。 对比：基于知识的逻辑性推理：对逻辑思维的模拟。, 监督（有人管理）分类：利用判别函数进行分类判别。需要 有足够的先验知识。 非监督（无人管理）分类：用于没有先验知识的情况下，采 用聚类分析的方法。,2. 从实现方法来分,2020/9/7,30,本门课程的主要内容,第一章 概论 第二章 聚类分析 第三章 线性判别函数 第四章基于统计决策的概率分类法 第五章 特征选择和提取 第六章神经网络,2020/9/7,31,教材/参考文献,齐敏，李大健，郝重阳编著，模式识别导论，清华大学出版社，2009。 S.Theodoridis, K.Koutroumbas, Pattern Recognition, Elsevier Science, 2003. R. Duda, P. Hart, D. Stork, Pattern Classification, second edition, 2000（有中译本）.,2020/9/7,32,相关数学概念复习,随机向量及其分布 多维正态分布 随机向量的变换 向量和矩阵的运算（微商？）,本讲到此结束，下一讲介绍聚类分析。,
