計算機科學(xué)理論-模式識別-PPT資料

計算機科學(xué)理論(lǐlùn)模式識別課件第一頁，共29頁。課程(kèchéng)對象信息工程專業(yè)本科生的專業(yè)課學(xué)院碩士研究生的學(xué)位(xuéwèi)課學(xué)院博士研究生的必修課之一第二頁，共29頁。教材(jiàocái)及參考教材(jiàocái)第二十七頁，共29頁。第五章統(tǒng)計決策中的學(xué)習(xí)與估計（4學(xué)時)分類識別(shíbié)：如某人寫的一個漢字(Hànzì)，一幅圖片等。例子(lìzi)1：診斷（1）確定患者的病癥(bìngzhèng)：測量體溫、血壓，化驗血沉，詢問臨床表現(xiàn)（模式采集）；從事實出發(fā)運用一系列規(guī)則，推理得到不同結(jié)果，m個類就有m個結(jié)果。人類：具有抽象抽象概念的能力提高：能夠?qū)⑺鶎W(xué)知識和內(nèi)容用于課題研究，解決實際問題。第二十五頁，共29頁。ATR（AutomaicTargetRecognition）第二十二頁，共29頁。模式判定：是一種語言，用一個文法表示一個類，m類就有m個文法，然后判定未知模式遵循哪一個文法。所有樣本觀測數(shù)據(jù)構(gòu)成的空間為,我們將它們作為一個整體來學(xué)習(xí)(xuéxí)方法著重理解

基本(jīběn)概念

基本(jīběn)方法

算法原理注重理論與實踐緊密結(jié)合

第三頁，共29頁?；?jīběn)要求基本：完成課程學(xué)習(xí)，通過(tōngguò)考試，獲得學(xué)分。提高：能夠?qū)⑺鶎W(xué)知識和內(nèi)容用于課題研究，解決實際問題。飛躍：通過(tōngguò)模式識別的學(xué)習(xí)，改進思維方式，為將來的工作打好基礎(chǔ)，終身受益。第四頁，共29頁。課程內(nèi)容及安排(ānpái)第一章引論 (2學(xué)時)第二章聚類分析 (4學(xué)時)第三章判別域代數(shù)(dàishù)界面方程法 (4學(xué)時)第四章統(tǒng)計判決 (4學(xué)時)第五章統(tǒng)計決策中的學(xué)習(xí)與估計（4學(xué)時)第六章最近鄰方法（2學(xué)時)第七章特征提取與選擇 (2學(xué)時)復(fù)習(xí) (2學(xué)時)實驗 上機實驗 (8學(xué)時)作業(yè) 每章課后布置習(xí)題考核筆試(70%)+實驗(20%)+作業(yè)(10%)第五頁，共29頁。教材(jiàocái)及參考教材(jiàocái)教材(jiàocái)孫即祥，參考教材(jiàocái)J.P.MarquesdeSa,《模式識別-原理、方法及應(yīng)用》，清華大學(xué)出版社，2002.11SergiosTheodoridis,李晶皎等譯，模式識別（第三版），電子工業(yè)出版社，2006第六頁，共29頁。第一章 引論1.1 模式(móshì)和模式(móshì)識別1.1.1模式和模式識別的概念識別是人類的基本(jīběn)行為模式識別（PatternRecognition）——使用計算機來辨別事物。機器識別，計算機識別，機器自動識別。第七頁，共29頁。1.2模式識別(móshìshíbié)系統(tǒng)第八頁，共29頁。概念樣本（Sample)：一個具體的研究（客觀）對象。如某人寫的一個漢字(Hànzì)，一幅圖片等。模式（Pattern）：對客體（研究對象）特征的描述（定量的或結(jié)構(gòu)的描述），是取自客觀世界的某一樣本的測量值的集合（或綜合）。模式類（Class）：具有某些共同特性的模式的集合。第九頁，共29頁。特征矢量：設(shè)一個研究對象的個特征量測量值分別(fēnbié)為,我們將它們作為一個整體來考慮,讓它們構(gòu)成一個維特征矢量。特征空間:各種不同取值的特征矢量的全體構(gòu)成了維特征空間。注：特征矢量就是特征空間中的一個點。

(顏色(yánsè)（綠/紅）,似圓度)第十頁，共29頁。顏色(yánsè)（綠/紅）似圓度模式識別：確定一個樣本的類別屬性（模式類）的過程，即把某一樣本歸屬于多個類型中的某個(mǒuɡè)類型。模式分類的過程。第十一頁，共29頁。1.1.2機器與人類(rénlèi)識別事物原理的比較人類：具有抽象抽象概念的能力總結(jié)規(guī)律，抽象出概念機器：缺乏抽象能力基本(jīběn)方法是計算第十二頁，共29頁。1.1.3模式識別(móshìshíbié)技術(shù)的應(yīng)用領(lǐng)域生物學(xué)自動細胞學(xué)、染色體特性研究、遺傳研究天文學(xué)天文望遠鏡圖像分析、自動光譜學(xué)經(jīng)濟學(xué)交易預(yù)測(yùcè)、企業(yè)行為分析醫(yī)學(xué)心電圖分析、腦電圖分析、醫(yī)學(xué)圖像分析第十三頁，共29頁。文字識別(shíbié)（CharacterRecognition）OCR（OpticalCharacterRecognition）智能交通（IntelligentTraffic）車牌、車型語音識別(shíbié)（Speechrecognition）翻譯機，身份識別(shíbié)等目標識別(shíbié)ATR（AutomaicTargetRecognition）第十四頁，共29頁。（1）確定患者的病癥(bìngzhèng)：測量體溫、血壓，化驗血沉，詢問臨床表現(xiàn)（模式采集）；（2）醫(yī)生運用醫(yī)學(xué)知識和個人經(jīng)驗（分類判決規(guī)則），根據(jù)主要病癥(bìngzhèng)（特征提取/選擇），作出診斷（分類判決）：該患者（模式樣本）患了何種疾?。Ｊ筋悾?。例子(lìzi)1：診斷1.2模式識別(móshìshíbié)系統(tǒng)第十五頁，共29頁。1.2模式識別(móshìshíbié)系統(tǒng)數(shù)據(jù)(shùjù)采集特征提取正確率測試(cèshì)數(shù)據(jù)采集特征提取改進分類識別規(guī)則二次特征提取與選擇分類識別改進采集提取方法二次特征提取與選擇改進特征提取與選擇制定改進分類識別規(guī)則待識對象訓(xùn)練樣本人工干預(yù)識別結(jié)果第十六頁，共29頁。例子(lìzi)2：蘋果和香蕉的分類顏色(yánsè)（綠/紅）似圓度1.2模式識別(móshìshíbié)系統(tǒng)第十七頁，共29頁。18紙幣(zhǐbì)識別器對紙幣(zhǐbì)按面額進行分類

面額

例子(lìzi)3：紙幣識別系統(tǒng)5元10元20元50元100元第十八頁，共29頁。19 長度(chángdù)(mm) 寬度(mm)5元 136 6310元 141 7020元 146 7050元 151 70100元 156 77例子(lìzi)3：紙幣識別系統(tǒng)第十九頁，共29頁。20 磁性 金屬(jīnshǔ)條位置(大約)5元 有 54/8210元 有 54/8720元 有 57/8950元 有 60/91100元 有 63/93例子(lìzi)3：紙幣識別系統(tǒng)第二十頁，共29頁。21數(shù)據(jù)采集、特征提?。洪L度、寬度、磁性、磁性的位置(wèizhi)等等特征選擇：長度(chángdù)、位置分類識別(shíbié)：確定紙幣的面額例子3：紙幣識別系統(tǒng)第二十一頁，共29頁。各類空間(kōngjiān)（Space)的概念對象(duìxiàng)空間模式(móshì)空間特征空間類型空間模式采集：從客觀世界（對象空間）到模式空間的過程稱為模式采集。特征提取和特征選擇：由模式空間到特征空間的變換和選擇。類型判別：特征空間到類型空間所作的操作。1.3特征矢量和特征空間所有樣本觀測數(shù)據(jù)構(gòu)成的空間第二十二頁，共29頁。1.3特征(tèzhēng)矢量和特征(tèzhēng)空間第二十三頁，共29頁。1.4模式識別(móshìshíbié)方法統(tǒng)計(tǒngjì)判決句法結(jié)構(gòu)模糊判決邏輯推理神經(jīng)網(wǎng)絡(luò)第二十四頁，共29頁。（1）統(tǒng)計(tǒngjì)判決理論基礎(chǔ)：概率論，數(shù)理統(tǒng)計模式(móshì)描述方法：特征向量主要方法

幾何分類：線性分類，非線性分類

統(tǒng)計分類：Bayes決策

無教師的分類：聚類分析主要優(yōu)點

1）比較成熟

2）能考慮干擾噪聲等影響

3）識別模式(móshì)基元能力強主要缺點

1）對結(jié)構(gòu)復(fù)雜的模式(móshì)抽取特征困難

2）不能反映模式(móshì)的結(jié)構(gòu)特征，難以描述模式(móshì)的性質(zhì)

3）難以從整體角度考慮識別問題第二十五頁，共29頁。（2）句法結(jié)構(gòu)理論基礎(chǔ)：形式語言，自動機技術(shù)模式描述方法：符號串，樹，圖模式判定：是一種語言，用一個文法表示一個類，m類就有m個文法，然后判定未知模式遵循哪一個文法。主要優(yōu)點

1）識別方便(fāngbiàn)，可以從簡單的基元開始，由簡至繁。

2）能反映模式的結(jié)構(gòu)特征，能描述模式的性質(zhì)。

3）對圖象畸變的抗干擾能力較強。主要缺點

當(dāng)存在干擾及噪聲時，抽取特征基元困難，且易失誤。第二十六頁，共29頁。（3）模糊(móhu)判決理論基礎(chǔ)：模糊數(shù)學(xué) 模式描述方法：模糊集合A={(a,a),(b,b),...(n,n),} 模式判定：是一種集合運算。用隸屬度將模糊集合劃分為若干子集，

m類就有m個子集，然后根據(jù)擇近原則分類。 主要優(yōu)點

由于隸屬度函數(shù)作為樣本與模板間相似程度的度量，故往往能反映整體的與主體的特征，從而允許樣本有相當(dāng)程度的干擾與畸變。主要缺點

準確合理的隸屬度函數(shù)往往難以(nányǐ)建立，故限制了它的應(yīng)用。第二十七頁，共29頁。（4）邏輯推理理論基礎(chǔ)：演繹邏輯，布爾代數(shù) 模式描述方法：字符串表示的事實 模式判定：是一種布爾運算。從事實出發(fā)運用一系列規(guī)則，推理得到不同結(jié)果，m個類就有m個結(jié)果。 主要優(yōu)點

已建立了關(guān)于知識表示及組織，目標搜索(sōusuǒ)及匹配的完整體系。對需要眾多規(guī)則的推理達到識別目標確認的問題，有很好的效果。缺點

當(dāng)樣本有缺損，背景不清晰，規(guī)則不