計算機科學(xué)理論模式識別課件c.ppt

《計算機科學(xué)理論模式識別課件c.ppt》由會員分享，可在線閱讀，更多相關(guān)《計算機科學(xué)理論模式識別課件c.ppt（29頁珍藏版）》請在裝配圖網(wǎng)上搜索。

《模式識別》PatternRecognition,余莉電話：76434（O）,61430（M）E-mail：yuli@（民網(wǎng)）liliyu@gfkd.mtn（軍網(wǎng)）,課程對象,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)位課學(xué)院博士研究生的必修課之一,學(xué)習(xí)方法,著重理解基本概念基本方法算法原理注重理論與實踐緊密結(jié)合,基本要求,基本：完成課程學(xué)習(xí)，通過考試，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。,課程內(nèi)容及安排,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)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%),教材及參考教材,教材孫即祥，《現(xiàn)代模式識別》，國防科技大學(xué)出版社，2002.1參考教材J.P.MarquesdeSa,《模式識別-原理、方法及應(yīng)用》，清華大學(xué)出版社，2002.11邊肇祺等，《模式識別》（第二版）清華大學(xué)出版社2000.1SergiosTheodoridis,李晶皎等譯，模式識別（第三版），電子工業(yè)出版社，2006,第一章引論,1.1模式和模式識別,1.1.1模式和模式識別的概念識別是人類的基本行為模式識別（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。,1.2模式識別系統(tǒng),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，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。,特征矢量：設(shè)一個研究對象的個特征量測量值分別為,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（綠/紅）,似圓度),,,,,,,,,,,,顏色（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類型。模式分類的過程。,1.1.2機器與人類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：缺乏抽象能力基本方法是計算,1.1.3模式識別技術(shù)的應(yīng)用領(lǐng)域,生物學(xué)自動細(xì)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)股票交易預(yù)測、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,文字識別（CharacterRecognition）OCR（OpticalCharacterRecognition）智能交通（IntelligentTraffic）車牌、車型語音識別（Speechrecognition）翻譯機，身份識別等目標(biāo)識別ATR（AutomaicTargetRecognition）,,（1）確定患者的病癥：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（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1：診斷,1.2模式識別系統(tǒng),1.2模式識別系統(tǒng),數(shù)據(jù)采集特征提取,正確率測試,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,,例子2：蘋果和香蕉的分類,,,,,,,,,,,顏色（綠/紅）,似圓度,,1.2模式識別系統(tǒng),18,紙幣識別器對紙幣按面額進行分類面額,例子3：紙幣識別系統(tǒng),,,5元10元20元50元100元,19,長度(mm)寬度(mm)5元1366310元1417020元1467050元15170100元15677,,例子3：紙幣識別系統(tǒng),20,磁性金屬條位置(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3：紙幣識別系統(tǒng),21,數(shù)據(jù)采集、特征提取：長度、寬度、磁性、磁性的位置等等,特征選擇：長度、位置,分類識別：確定紙幣的面額,例子3：紙幣識別系統(tǒng),各類空間（Space)的概念,對象空間,模式空間,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,1.3特征矢量和特征空間,1.4模式識別方法,統(tǒng)計判決句法結(jié)構(gòu)模糊判決邏輯推理神經(jīng)網(wǎng)絡(luò),（1）統(tǒng)計判決,理論基礎(chǔ)：概率論，數(shù)理統(tǒng)計模式描述方法：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）識別模式基元能力強主要缺點1）對結(jié)構(gòu)復(fù)雜的模式抽取特征困難2）不能反映模式的結(jié)構(gòu)特征，難以描述模式的性質(zhì)3）難以從整體角度考慮識別問題,（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，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。,（3）模糊判決,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(zhǔn)確合理的隸屬度函數(shù)往往難以建立，故限制了它的應(yīng)用。,（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(biāo)搜索及匹配的完整體系。對需要眾多規(guī)則的推理達到識別目標(biāo)確認(rèn)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)則不明確甚至有歧義時，效果不好。,（5）神經(jīng)網(wǎng)絡(luò),理論基礎(chǔ)：神經(jīng)生理學(xué)，心理學(xué)模式描述方法：以不同活躍度表示的輸入節(jié)點集模式判定：是一個非線性動態(tài)系統(tǒng)。通過對樣本的學(xué)習(xí)建立記憶，然后將未知模式判決為其最接近的記憶。主要優(yōu)點可處理一些環(huán)境信息十分復(fù)雜，背景知識不清楚，推理規(guī)則不明確的問題。允許樣本有較大的缺損、畸變。主要缺點模型在不斷豐富與完善中，目前能識別的模式類還不夠多。,