《计算机科学理论模式识别课件c.ppt》由会员分享，可在线阅读，更多相关《计算机科学理论模式识别课件c.ppt（29页珍藏版）》请在三一办公上搜索。
1、模式识别 Pattern Recognition,余 莉电话：76434（O）,61430（M）E-mail：（民网）（军网）,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,学习方法,着重理解基本概念基本方法算法原理注重理论与实践紧密结合,基本要求,基本：完成课程学习，通过考试，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。,课程内容及安排,第一章 引论(2学时)第二章 聚类分析(4学时)第三章 判别域代数界面方程法(4学时)第四章 统计判决(4学时)第五章 统计
2、决策中的学习与估计（4学时)第六章 最近邻方法（2学时)第七章 特征提取与选择(2学时)复习(2学时)实验 上机实验(8学时)作业 每章课后布置习题考核 笔试(70%)+实验(20%)+作业(10%),教材及参考教材,教材孙即祥，现代模式识别，国防科技大学出版社，2002.1参考教材J.P.Marques de Sa,模式识别-原理、方法及应用，清华大学出版社，2002.11 边肇祺等，模式识别（第二版）清华大学出版社 2000.1Sergios Theodoridis,李晶皎等译，模式识别（第三版），电子工业出版社，2006,第一章引 论,1.1模式和模式识别,1.1.1 模式和模式识别的概
3、念识别是人类的基本行为模式识别（Pattern Recognition）使用计算机来辨别事物。机器识别，计算机识别，机器自动识别。,1.2 模式识别系统,概 念,样本（Sample)：一个具体的研究（客观）对象。如某人写的一个汉字，一幅图片等。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）。模式类（Class）：具有某些共同特性的模式的集合。,特征矢量：设一个研究对象的 个特征量测量值分别为,我们将它们作为一个整体来考虑,让它们构成一个 维特征矢量。特征空间:各种不同取值的特征矢量的全体构成了 维特征空间。注：特征矢
4、量就是特征空间中的一个点。,(颜色（绿/红）,似圆度),颜色（绿/红）,似圆度,模式识别：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。模式分类的过程。,1.1.2 机器与人类识别事物原理的比较,人类：具有抽象抽象概念的能力总结规律，抽象出概念机器：缺乏抽象能力基本方法是计算,1.1.3 模式识别技术的应用领域,生物学自动细胞学、染色体特性研究、遗传研究天文学天文望远镜图像分析、自动光谱学经济学股票交易预测、企业行为分析医学心电图分析、脑电图分析、医学图像分析,文字识别（Character Recognition）OCR（Optical Character R
5、ecognition）智能交通（Intelligent Traffic）车牌、车型语音识别（Speech recognition）翻译机，身份识别等目标识别ATR（Automaic Target Recognition）,（1）确定患者的病症：测量体温、血压，化验血沉，询问临床表现（模式采集）；（2）医生运用医学知识和个人经验（分类判决规则），根据主要病症（特征提取/选择），作出诊断（分类判决）：该患者（模式样本）患了何种疾病（模式类）。,例子1：诊断,1.2 模式识别系统,1.2 模式识别系统,数据采集特征提取,正确率测试,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,分类识别,改
6、进采集提取方法,二次特征提取与选择,改进特征提取与选择,制定改进分类识别规则,待识对象,训练样本,人工干预,识别结果,例子2：苹果和香蕉的分类,颜色（绿/红）,似圆度,1.2 模式识别系统,18,纸币识别器对纸币按面额进行分类 面额,例子3：纸币识别系统,5元10元20元50元100元,19,长度(mm)宽度(mm)5元1366310元1417020元1467050元15170100元15677,例子3：纸币识别系统,20,磁性金属条位置(大约)5元有 54/8210元有 54/8720元有 57/8950元有 60/91100元有 63/93,例子3：纸币识别系统,21,数据采集、特征提取：
7、长度、宽度、磁性、磁性的位置等等,特征选择：长度、位置,分类识别：确定纸币的面额,例子3：纸币识别系统,各类空间（Space)的概念,对象空间,模式空间,特征空间,类型空间,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。,1.3 特征矢量和特征空间,所有样本观测数据构成的空间,1.3 特征矢量和特征空间,1.4 模式识别方法,统计判决句法结构模糊判决逻辑推理神经网络,（1）统计判决,理论基础：概率论，数理统计模式描述方法：特征向量主要方法几何分类：线性分类，非线性分类统计分类：Ba
8、yes决策无教师的分类：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,（2）句法结构,理论基础：形式语言，自动机技术模式描述方法：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类就有m个文法，然后判定未知模式遵循哪一个文法。主要优点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。,（3）模糊判决,理论基础：模
9、糊数学模式描述方法：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。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，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。,（4）逻辑推理,理论基础：演绎逻辑，布尔代数模式描述方法：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。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。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。,（5）神经网络,理论基础：神经生理学，心理学模式描述方法：以不同活跃度表示的输入节点集模式判定：是一个非线性动态系统。通过对样本的学习建立记忆，然后将未知模式判决为其最接近的记忆。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，目前能识别的模式类还不够多。,
