模式识别课件

《模式识别课件》由会员分享，可在线阅读，更多相关《模式识别课件（71页珍藏版）》请在金锄头文库上搜索。

1、模式识别1 课程对象 相关学科 教学方法 教学目标 基本要求 教材/参考文献关于本课程的有关说明2 课程对象信息工程专业本科生的专业课学院硕士研究生的学位课 学院博士研究生的必修课之一3 相关学科统计学 概率论 线性代数（矩阵计算）形式语言 人工智能 图像处理 计算机视觉等等4 教学方法着重讲述模式识别的基本概念，基本方 法和算法原理。注重理论与实践紧密结合实例教学：通过实例讲述如何将所学 知识运用到实际应用之中避免引用过多的、繁琐的数学推导5 教学目标掌握模式识别的基本概念和方法有效地运用所学知识和方法解决实际问题为研究新的模式识别的理论和方法打下基础 6 基本要求基本：完成课程学习，通过考

2、试，获得学分。提高：能够将所学知识和内容用于课题研究， 解决实际问题。飞跃：通过模式识别的学习，改进思维方式， 为将来的工作打好基础，终身受益。7教材/参考文献孙即祥，现代模式识别，国防科技大学出版社，2003年。吴逸飞译，模式识别原理、方法及应用，清华大学出版社，2003年。李晶皎等译，模式识别（第三版），电子工业出版社，2006年。 8讲授课程内容及安排第一章 引论 第二章 聚类分析 第三章 判别域代数界面方程法 第四章 统计判决 第五章 学习、训练与错误率估计 第六章 最近邻方法 第七章 特征提取和选择 上机实习9第一章 引论1.1 概述1.2 特征矢量和特征空间1.3 随机矢量的描述1

3、.4 正态分布10概念n模式识别(Pattern Recognition)：确定一个 样本的类别属性（模式类）的过程，即把某一 样本归属于多个类型中的某个类型。n样本（Sample)：一个具体的研究（客观）对象 。如患者，某人写的一个汉字，一幅图片等。n模式(Pattern)：对客体（研究对象）特征的描 述（定量的或结构的描述），是取自客观世界 的某一样本的测量值的集合（或综合）。11n特征(Features)：能描述模式特性的量（测 量值）。在统计模式识别方法中，通常用一 个矢量 表示，称之为特征矢量，记为 n模式类(Class)：具有某些共同特性的模式的 集合。概念12模式识别的例子计算机

4、自动诊断疾病 : 1. 获取情况(信息采集) 测量体温、血压、心率 、血液化验、X光透射、B超、心电图、CT等尽 可能多的信息，并将这些信息数字化后输入电 脑。当然在实际应用中要考虑采集的成本，这 就是说特征要进行选择的。2. 运行在电脑中的专家系统或专用程序可以分析 这些数据并进行分类，得出正常或不正常的判 断，不正常情况还要指出是什么问题。13对象空间模式空间特征空间类型空间各类空间（Space)的概念模式采集：从客观世界（对象 空间）到模式空间的过程称为 模式采集。特征提取和特征选择：由模式 空间到特征空间的变换和选择 。类型判别：特征空间到类型空 间所作的操作。模 式 识 别 三 大

5、任 务141.1 概述模式识别系统数据采集 特征提取二次特征 提取与选择分类 识别待识 对象识别结果通常在采集信息过程中，还要去除所获取信息 中的噪声，增强有用的信息等工作。这种使信息 纯化的处理过程叫做信息的预处理。分类识别是根据事先确定的分类规则对前面选取 的特征进行分类（即识别）。通常能描述对象的元素很多，为节约资源和提 高处理速度，有时更为了可行性，在满足分类识 别正确率要求的条件下，按某种准则尽量选用对 正确分类识别作用较大的特征。使得用较少的特 征就能完成分类识别任务。预处理这个环节的内容很广泛，与要解决的具 体问题有关，例如，从图象中将汽车车牌的号码 识别出来，就需要先将车牌从图

6、像中找出来，再 对车牌进行划分，将每个数字分别划分开。做到 这一步以后，才能对每个数字进行识别。以上工 作都应该在预处理阶段完成。数字化比特流151.1 概述模式识别系统数据采集 特征提取二次特征 提取与选择分类 识别待识 对象识别结果数据采集 特征提取改进分类 识别规则二次特征提 取与选择训练 样本改进采集 提取方法改进特征提 取与选择制定改进分 类识别规则人工 干预正确率 测试161.1 概述模式识别系统模式识别系统的主要环节：特征提取：符号表示，如长度、波形、。特征选择：选择有代表性的特征，能够正确分类学习和训练：利用已知样本建立分类和识别规则分类识别：对所获得样本按建立的分类规则进行

7、分类识别17纸币识别器对纸币按面额进行分类面额1.1 概述系统实例5元 10元 20元 50元 100元181.1 概述系统实例长度(mm) 宽度(mm) 5元13663 10元14170 20元14670 50元15170 100元15677191.1 概述系统实例磁性金属条位置(大约 ) 5元有 54/82 10元有 54/87 20元有 57/89 50元有 60/91 100元有 63/93205元 10元 20元 50元 100元12345678反 射 光 波 形211.1 概述系统实例数据采集、特征提取：长度、宽度、磁性、磁性的位置，光反射亮度、光 透射亮度等等 特征选择：长度、磁

8、性及位置、反射亮度分类识别：确定纸币的面额及真伪221.1 概述系统实例训练集：是一个已知样本集，在监督学习方法 中，用它来开发出模式分类器。测试集：在设计识别和分类系统时没有用过的 独立样本集。系统评价原则：为了更好地对模式识别系统性 能进行评价，必须使用一组独立于训练集的测 试集对系统进行测试。 23例:汽车车牌识别n从摄像头获取包含车牌的彩色图象n车牌定位和获取n字符分割和识别输入图象特征提取粗略定位分割字符确定类型精细定位识别、输出 2425261.1 概述模式识别的基本方法一、统计模式识别二、句法模式识别三、模糊模式识别四、人工神经网络法五、人工智能方法271.1 概述模式识别的基本

9、方法一、统计模式识别模式描述方法：特征向量 模式判定：模式类用条件概率分布P(X/i)表示,m类就有 m个分布，然后判定未知模式属于哪一个分布。281.1 概述模式识别的基本方法一、统计模式识别 理论基础：概率论，数理统计 主要方法：线性、非线性分类、Bayes决策、聚类分析 主要优点：1）比较成熟2）能考虑干扰噪声等影响3）识别模式基元能力强 主要缺点：1）对结构复杂的模式抽取特征困难 2）不能反映模式的结构特征，难以描述模式的性质 3）难以从整体角度考虑识别问题291.1 概述模式识别的基本方法二、句法模式识别模式描述方法：符号串，树，图模式判定：是一种语言，用一个文法表示一个类，m类就

10、有m个文法，然后判定未知模式遵循哪一个文法。30例2：如下图中一幅图形，要识别图中的物体， 选用句法模式识别方法.1.1 概述模式识别的基本方法31解：图形结构复杂，首先应分解为简单的子图（ 背景、物体）。构成一个多级树结构：1.1 概述模式识别的基本方法32n在学习过程中，确定基元与基元之间的 关系，推断出生成景物的方法。n判决过程中，首先提取基元，识别基元 之间的连接关系，使用推断的文法规则 做句法分析。若分析成立，则判断输入 的景物属于相应的类型。1.1 概述模式识别的基本方法33理论基础：形式语言，自动机技术 主要方法：自动机技术、CYK剖析算法、Early算法、转 移图法 主要优点：

11、 1）识别方便，可以从简单的基元开始，由简至繁。 2）能反映模式的结构特征，能描述模式的性质。 3）对图象畸变的抗干扰能力较强。 主要缺点： 当存在干扰及噪声时，抽取特征基元困难，且易失误 。1.1 概述模式识别的基本方法341.1 概述模式识别的基本方法三、模糊模式识别模式描述方法：模糊集合 A=(a,a), (b,b),. (n,n)模式判定：是一种集合运算。用隶属度将模糊集合划分 为若干子集， m类就有m个子集，然后根据择近原 则分类。35理论基础：模糊数学 主要方法：模糊统计法、二元对比排序法、推理法、模 糊集运算规则、模糊矩阵 主要优点： 由于隶属度函数作为样本与模板间相似程度的度量

12、， 故往往能反映整体的与主体的特征，从而允许样本有 相当程度的干扰与畸变。 主要缺点： 准确合理的隶属度函数往往难以建立，故限制了它的 应用。1.1 概述模式识别的基本方法361.1 概述模式识别的基本方法四、人工神经网络法模式描述方法：以不同活跃度表示的输入节点集（神经元）模式判定：是一个非线性动态系统。通过对样本的学习 建立起记忆，然后将未知模式判决为其最接近的 记忆。37理论基础：神经生理学，心理学 主要方法：BP模型、HOP模型、高阶网 主要优点： 可处理一些环境信息十分复杂，背景知识不清楚，推 理规则不明确的问题。允许样本有较大的缺损、畸变 。 主要缺点： 模型在不断丰富与完善中，目

13、前能识别的模式类还不 够多。1.1 概述模式识别的基本方法381.1 概述模式识别的基本方法五、逻辑推理法（人工智能法）模式描述方法：字符串表示的事实模式判定：是一种布尔运算。从事实出发运用一系列规 则，推理得到不同结果，m个类就有m个结果。39理论基础：演绎逻辑，布尔代数 主要方法：产生式推理、语义网推理、框架推理 主要优点： 已建立了关于知识表示及组织，目标搜索及匹配的完 整体系。对需要众多规则的推理达到识别目标确认的 问题，有很好的效果。 主要缺点： 当样本有缺损，背景不清晰，规则不明确甚至有歧义 时，效果不好。1.1 概述模式识别的基本方法401.1 概述模式识别的发展简史1929年

14、G. Tauschek发明阅读机 ，能够阅读 0-9的数字。 30年代 Fisher提出统计分类理论，奠定了统 计模式识别的基础。 50年代 Noam Chemsky 提出形式语言理论 傅京荪提出句法/结构模式识别。 60年代 L.A.Zadeh提出了模糊集理论，模糊 模式识别方法得以发展和应用。411.1 概述模式识别的发展简史80年代 以Hopfield网、BP网为代表的神经网 络模型导致人工神经元网络复活，并 在模式识别得到较广泛的应用。 90年代 小样本学习理论，支持向量机也受到 了很大的重视。421.1 概述模式识别的应用(举例 )n生物学 自动细胞学、染色体特性研究、遗传研究n天文

15、学 天文望远镜图像分析、自动光谱学n经济学 股票交易预测、企业行为分析n医学 心电图分析、脑电图分析、医学图像分析431.1 概述主要实用系统举例n文字识别（Character Recognition） OCR（Optical Character Recognition）n智能交通（Intelligent Traffic） 车牌、车型。n语音识别（Speech recognition） 翻译机，身份识别等n目标识别 ATR（Automaic Target Recognition）44451.2 特征矢量和特征空间461.3 随机矢量的描述随机矢量：在模式识别过程中，要对许多具体对 象进行测量，以获得许多次观测值。每次观测值不一定相同，所以对许多 对象而言，各个特征分量都是随机变量， 即许多对象的特征向量在n维空间中呈随 机性分布，称为随机矢量。471.3 随机矢量的描述(一)随机矢量的分布函数：设 为随机矢量， 为确定性矢量。 随机矢量的联合概率分布函数定义为： 式中 表示括号中事件同时发生的概率。 481.3 随机矢量的描述(一)随机矢量的分布函数：随机矢量 的联合概率密度函数定义为： 491.3 随机矢量的描述501.3 随机矢量的描述xp(x)(1wxp)(2xp511.3 随机矢量的描述521.3 随机矢量的描述(二)