第一章节_zhang幻灯片.pptVIP

模式识别系统 模式识别系统的基本构成 数据获取 特征提取和选择 预处理 分类决策 分类器设计 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 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 模式分类器的获取和评测过程 数据采集 特征选取 模型选择 训练和测试 计算结果和复杂度分析，反馈 训练和测试 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。 实例：统计模式识别 19名男女同学进行体检，测量了身高和体重，但事后发现其中有4人忘记填写性别，试问（在最小错误的条件下）这4人是男是女？体检数值如下： 实例：统计模式识别（续） 待识别的模式：性别（男或女） 测量的特征：身高和体重 训练样本：15名已知性别的样本特征 目标：希望借助于训练样本的特征建立判别函数（即数学模型） 实例：统计模式识别（续） 由训练样本得到的特征空间分布图 实例：统计模式识别（续） 从图中训练样本的分布情况，找出男、女两类特征各自的聚类特点，从而求取一个判别函数（直线或曲线）。 只要给出待分类的模式特征的数值，看它在特征平面上落在判别函数的哪一侧，就可以判别是男还是女了。 实例：句法模式识别 问题：如何利用对图像的结构信息描述，识别如下所示图片： 实例：句法模式识别（续） 将整个场景图像结构分解成一些比较简单的子图像的组合； 子图像又用一些更为简单的基本图像单元来表示，直至子图像达到了我们认为的最简单的图像单元（基元）； 所有这些基元按一定的结构关系来表示，利用多级树结构对其进行描述（这种描述可以采用形式语言理论）。 实例：句法模式识别（续） 多级树描述结构 实例：句法模式识别（续） 训练过程： 用已知结构信息的图像作为训练样本，先识别出基元（比如场景图中的X、Y、Z等简单平面）和它们之间的连接关系（例如长方体E是由X、Y和Z三个面拼接而成），并用字母符号代表之； 然后用构造句子的文法来描述生成这幅场景的过程，由此推断出生成该场景的一种文法。 实例：句法模式识别（续） 识别过程： 先对未知结构信息的图像进行基元提取及其相互结构关系的识别； 然后用训练过程获得的文法做句法分析； 如果能被已知结构信息的文法分析出来，则该幅未知图像与训练样本具有相同的结构（识别成功），否则就不是这种结构（识别失败）。 相关数学概念 随机向量及其分布 随机向量 如果一个对象的特征观察值为{x1, x2, …, xn}，它可构成一个n维的特征向量值x，即 x = (x1, x2, …, xn)T 式中， x1, x2, …, xn为特征向量x的各个分量。 一个特征可以看作n维空间中的向量或点，此空间称为模式的特征空间Rn 。 相关数学概念 随机向量及其分布 随机向量 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，称为随机向量。 相关数学概念 随机向量及其分布 随机向量的参数 数学期望和方差 协方差矩阵 [例：求随机变量的数学期望和协方差矩阵] 相关数学概念 正态分布 一维正态密度函数 相关数学概念 正态分布 多维正态密度函数 小结 模式和模式识别的概念 模式识别的发展简史和应用 模式识别的主要方法 模式识别的系统和实例 几个相关的数学概念 模式识别- 概念、原理（算法）及其应用 张学良 cszxl@imu.edu.cn 人工智能与多媒体研究所 Office:计算机学院305 Tel：4994019转8305 与模式识别相关的学科 统计学 概率论 线性代数（矩阵计算） 形式语言 机器学习 人工智能 图像处理 计算机视觉 语音信号处理 … 课程学习需具备的条件 深厚的数学功底 科班出身 扎实的专业知识 超强的编程能力 … 不重要 关键好奇心 认真的学习态度 教学方法 着重讲述模