模式识别1-绪论.pptVIP

第一章 绪 论 主要内容 模式识别和模式的概念 模式识别系统的基本构成 对象识别 生物每天都在进行各种情况下的对象识别。 寻找食物、迁移、辨别气味等等。 对象识别是生物与生俱来的应付周围环境所必需的能力，且识别效率很高。识别对象被认为是一种广泛的认知能力。 随着建立各种智能自动化系统的需要，模仿各种形式的对象识别能力的方法得到了发展。同时，也带动了工业及其他领域技术的发展主流。 什么是模式（pattern）？ 在智能自动化系统中，对象被表示成适当的形式，以便对它们进行处理，这种表示形式就称为模式。 广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式。 注意： 模式指的不是事物本身，而是从事物中获得的信息。 模式往往表现为具有时间或空间分布的信息，是对象的“物理”描述，通常是信号、图像或简单的数值表。 模式识别（Pattern Recognition） 模式识别是一门研究对象描述和分类方法的学科。 作用和目的：将某一具体事物正确地归入某一类别。 如：长形、方形等各种形状的盒子都可归纳为“盒子”一类。 模式识别系统和技术的应用极其广泛。 农业：产量分析、土壤评估、……； 医学：心/脑电图分析、医疗图象分析、……； 工程：加工产品缺陷检测、语音识别、自动导航系统、……； 军事；经济；地理；安全；市政管理；生物学；…… 模式/模式类、模式/样本 通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息称为模式。 模式所属的类别或同一类中模式的总体称为模式类，简称为类。 也有人习惯把模式类称为模式； 此时，个别具体的模式被称为样本。 模式描述方法 一般说来，描述模式有两种方法： 定量描述——用一组数据来描述模式。 例如，在对苹果进行等级分类时，可以利用苹果的重量、大小、颜色、外观等特征进行判断。 结构性描述——用一组基元（基本元素）来描述模式。 四个基元组成符号串：“abcb” ； 便于用形式语言处理。 模式识别方法 相应于模式描述方法，有两种基本的模式识别方法： 统计模式识别方法——用特征向量来描述模式； 结构模式识别方法——分析模式的结构信息。 模式是由一些模式基元按一定结构规则组合而成，因此，结构分析的内容就是分析模式如何由基元构成的规则。 目前比较成功的是句法模式识别方法 本课程只讨论统计模式识别方法。 特征向量和特征空间 统计模式识别方法中，用特征向量来描述被研究的模式。 特征向量中的每个元素代表模式的一个特征或属性； 例如，为了对苹果进行等级分类，以苹果的重量、大小、颜色等属性作为特征。 若一个苹果重0.2kg、直径10cm、红色（设红色编号为1，绿色编号为2，……），则该苹果可表示为一个三维特征向量： 　　(0.2, 1.0, 1) 特征向量构成的空间称为特征空间。 上例中，所有苹果的特征向量就构成一个三维特征空间。 模式类的紧致性 　　 一般情况下，可以合理假设同类的模式在特征空间中相距较近（即模式类的紧致性），不同类的模式在特征空间中相距较远。 结论：如果用某种方法来分割特征空间，使得同类模式大体上都在特征空间上的同一个区域，那么对于待分类的模式，就可以根据它的特征向量在特征空间中哪一个区域来判定它属于哪一类模式。 模式类的紧致性 研究统计模式识别方法的任务：用不同的方法划分特征空间，从而达到识别的目的。 模式识别系统 不论采用哪种方法，与此相应的模式识别系统都由两个过程组成：设计和实现。 设计：用一定数量的样本（也称为训练集或学习集）进行分类器的设计。 实现：用设计好的分类器对待识别样本进行分类决策。 模式识别系统的基本构成 1. 信息获取 为了使计算机能对各种现象进行分类识别，要用计算机可以运算的符号来表示所研究的对象。 通常待识别对象的输入信息有3种类型： 二维图像； 一维波形； 物理参量和逻辑值。 模式识别系统的基本构成 2. 预处理 在信息获取阶段，由于测量仪器的精度、或其他因素，常使量化后的数据产生退化现象，预处理的目的是去除噪声，加强有用的信息。 模式识别系统的基本构成 3. 特征提取和选择 由信息获取部分得到的数据量一般相当大，为了有效地实现分类识别，就要对原始数据进行变换，得到最能反映分类本质的特征，这个过程就是特征提取和选择过程。 模式识别系统的基本构成 4. 分类器设计 为了把待识别模式分配到各自的模式类库中，必须设计出一套分类判别规则。 一般做法：用一定数量的样本确定出一套分类判别规则，使得按这套分类判别规则对待识别模式进行分类，所造成的错误识别率最小或引起的损失最小 。 模式识别系统的基本构成 5. 分类决策 按已确定的分类判别规则对待识别模式进行分类判别，输出分类结果。 这就是分类器的实现过程。 模式识别系统的