模式識別(第一章2012)

《模式識別》電子工程學院張曉玲Xlzhang@ee,模式識別（PatternRecognition）重要性：相關信息處理專業(yè)的基礎課程；解決信息分類識別問題；對決策系統(tǒng)，神經(jīng)網(wǎng)絡，人工智能等的普及和發(fā)展起了推動作用，是其發(fā)展基礎；對于研究信息獲取、處理的人員非常重要，是信息科學和人工智能的重要組成部分。關于信息獲取、信息傳輸、信息處理及信息控制（應用）的科學課程的目的：了解和掌握模式識別領域的基本理論，基本方法；為相關應用（如目標分類與識別）打基礎。第1章緒論目標分類與識別：

研究用機器（如電腦）代替人去對物體（對象）進行辨別和區(qū)分的技術“目標分類與識別”涉及的相關領域：模式識別人工智能神經(jīng)網(wǎng)絡知識發(fā)現(xiàn)（數(shù)據(jù)挖掘）模糊數(shù)學不確定性推理1、模式識別

實用性：有一些“智能仿真”例，機器人輔助生產(chǎn)線，醫(yī)療診斷，地球資源探測，人臉、指紋識別等圖像識別是其重要方向之一模式識別定義：廣義定義：存在于時間和空間中可觀察的事物，區(qū)分它們是否相似或相似的過程，稱為模式識別。狹義定義：就是利用計算機對某些物理對象進行分類，在錯誤代價最小的條件下，使識別結果盡量與客觀事物相符。任務：研究如何將人類的認識過程轉化為計算機識別，將某一具體事物正確的歸入某一類別。2、人工智能：——思考過程的計算機實現(xiàn)，即：研究如何利用計算機去做人腦的智力才能做的工作。專家系統(tǒng)－－是人工智能的分支研究如何設計基于知識的計算機程序系統(tǒng)，來模仿人類專家求解專門問題的能力。專家系統(tǒng)、模式識別、智能機器人等列為人工智能技術中最活躍的三個領域。3、神經(jīng)網(wǎng)絡：——自下而上的綜合分析方法。問題：神經(jīng)網(wǎng)絡模型進行訓練學習，需大量訓練樣本集。且計算機模擬模型的并行操作，耗費時間長，可能達不到時間要求。具有很強的自適應能力、學習能力、容錯能力和魯棒性。4、知識發(fā)現(xiàn)數(shù)據(jù)挖掘（datamining）—方向之一是一個從數(shù)據(jù)、信息到知識的過程，即信息從無序到有序的過程，從粗到精的過程。特點（與數(shù)據(jù)采集的區(qū)別）：數(shù)據(jù)已收集好，不是為了數(shù)據(jù)分析去收集例如：網(wǎng)頁中檢索有價值的文本，即文本數(shù)據(jù)庫挖掘5．不確定性推理根據(jù)證據(jù)的不確定性和知識的不確定性，求出新的假設（結論）的不確定，即：新的不確定知識的獲取過程?；蛘撸涸谥R不完全、不確定、有例外，甚至會有矛盾的情況下，依據(jù)某些合理性標準，得到一些有錯誤、但有用的結論。演繹推理：已知條件推導得結論不確定性推理：已知證據(jù)所得假設這些學科在某一方面有很多共性（交叉），但每一學科又有其獨有的特色。這些學科為我們提供了一個工具袋，所要做的工作之一就是結合具體問題把各種已有的方法（模式識別、人工智能、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡、不確定推理等等）結合起來，深入掌握其應有的可能性，互相取長補短，開創(chuàng)目標分類識別應用的新局面。這些學科中，模式識別是最基本、最重要的組成部分，涉及很多基本理論、基本方法。很多領域的目標分類識別問題，其核心就是一個模式識別問題。1.1模式識別1.模式：是對客體的定量或結構的描述2.定義:存在于時間和空間中可觀察的事物，區(qū)分它們是否相同或相似的過程。（已講）3.模式識別任務：按事物的“相似”程度組成類別。即將模式識別事物“正確”歸入某一類型。（已講）4.模式識別應用：

很多的應用領域都可歸入模式識別，應用非常廣泛。典型例子：人臉檢測與識別。安全系統(tǒng)：如公安系統(tǒng)（疑犯追蹤），電子商場（信用卡身份確認）等生物：細胞學、染色體特性研究醫(yī)學：醫(yī)療圖像分析、心電圖分析、腦電圖分析地理：衛(wèi)星圖像分析、地理資源，如巖石分類軍事：自動目標識別，雷達信號檢測與分類農(nóng)業(yè)：土壤評估（適合何種植物生長）市政管理、經(jīng)濟、工程等1.2模式識別系統(tǒng)的實現(xiàn)1．模式識別的方法（傳統(tǒng)模式識別方法

）：統(tǒng)計模式識別：以類概率密度函數(shù)為基礎，又稱決策論方法，用特征矢量描述模式。結構（句法）模式識別:

以圖形結構特征為基礎，用字符串描述模式也可分為：監(jiān)督分類和非監(jiān)督分類模式識別系統(tǒng)的組成：信息獲取預處理特征提取和選擇分類器設計分類決策對象分類結果學習過程1.信息獲?。〝?shù)據(jù)采集）：對信號、圖像、數(shù)值表（數(shù)據(jù)）的采集。即：要用計算機可以運算的符號來表示所研究的對象。如圖像：測量、采樣、量化等。（模式空間/測量空間）2.預處理：減小或消除模式獲取過程中的噪聲、干擾、提高S/N；加強有用信息，進行復原等，如減小數(shù)據(jù)圖像模糊及幾何失真，提高清晰度；非線性模式轉化成線性模式。這個環(huán)節(jié)的內容及方法很多：如濾波、變換、編碼、標準化等以某種判決規(guī)則為準則，選取有效的特征,即為特征選擇。3．特征提取和選擇（特征空間）采用某種變換對特征空間的壓縮，稱為特征提取。模式空間特征空間（維數(shù)高）（維數(shù)較低）變換4．分類器設計分類器設計就是所謂的學習訓練過程。用一定數(shù)量的樣本確定某種判別準則，通過反復輸入、修正，