模式识别培训.ppt

* * * * * * * * 正态分布的合理性，数学表达和意义的简单性 * k=1,P=0.683;k=2,P=0.954;k=3,P=0.997 * * * * * * * * * 首先，从摄像头取得彩色的包含车牌的图像。这是在一个收费站前拍摄的交费车辆的照片，在收费站的车牌识别系统中，车辆是静止的，因此不用进行针对运动模糊等的预处理。 * * 人工神经网络(Artificial?Neural?Network，以下称ANN)是一种模拟人脑神经元细胞的网络结构，它是由大量简单的基本元件－神经元相互连接成的自适应非线性动态系统。虽然目前对于人脑神经元的研究还很不完善，我们无法确定ANN的工作方式是否与人脑神经元的运作方式相同，但是ANN正在吸引着越来越多的注意力。?  * 主要方法几何分类：线性分类，非线性分类统计分类：Bayes决策无教师的分类：聚类分析 主要优点1）比较成熟2）能考虑干扰噪声等影响3）识别模式基元能力强 主要缺点1）对结构复杂的模式抽取特征困难2）不能反映模式的结构特征，难以描述模式的性质3）难以从整体角度考虑识别问题 * 主要方法几何分类：线性分类，非线性分类统计分类：Bayes决策无监督的分类：聚类分析 主要优点1）比较成熟2）能考虑干扰噪声等影响3）识别模式基元能力强 主要缺点1）对结构复杂的模式抽取特征困难2）不能反映模式的结构特征，难以描述模式的性质3）难以从整体角度考虑识别问题 * 主要方法自动机技术CYK剖析算法Early算法转移图法 主要优点1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。 主要缺点当存在干扰及噪声时，抽取特征基元困难，且易失误。 * * * * * 主要方法自动机技术CYK剖析算法Early算法转移图法 主要优点1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。 主要缺点当存在干扰及噪声时，抽取特征基元困难，且易失误。 * * 主要方法自动机技术CYK剖析算法Early算法转移图法 主要优点1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。 主要缺点当存在干扰及噪声时，抽取特征基元困难，且易失误。 * * 主要方法自动机技术CYK剖析算法Early算法转移图法 主要优点1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。 主要缺点当存在干扰及噪声时，抽取特征基元困难，且易失误。 * * * * 基于生物特征的模式识别：笔迹，人脸，虹膜/视网膜，指纹，语音 * 基于生物特征的模式识别：笔迹，人脸，虹膜/视网膜，指纹，语音 * 事物→模式/样本→特征（属性）→特征矢量（通过测量） 举例：苹果/梨，鲈鱼/鲑鱼 * * 对相同的量一次的值可能不同，对同一事物的同一属性多次测量可能不同。 * * * * * * 边缘分布函数: FX(x)=F(x,∞)或 FY(y)=F(∞,y) 边缘概率密度 * * 二维情况下,就是通常指的方差 * 1.4 正态分布 * 1.4 正态分布 （1）一维随机变量的正态分布 * 1.4 正态分布 * 1.4 正态分布 （2）随机矢量的正态分布 正态分布随机矢量 的概率密度函数定义为： * 1.4 正态分布 * 1.4 正态分布 （2）二维随机变量的正态分布 * 1.4 正态分布 范例 木板 图象 512×512 d=3 长度 纹理 亮度 c=2 松木\ 桦木 维数 无限 有限/ 很大R 有限d 不大c 总结：模式识别过程 dR无限 模式采集 模式空间 特征提取/选择 类型空间 分类 特征空间 客观世界 待识别对象 识别过程 错误概率检测 制定分类的 判决规则 特征提取/选择方法校正 学习过程 采集方法校正 已知对象 预处理 * 试证明，对于正态分布，不相关与独立是等价的。 试证明，多元正态随机矢量的线性变换仍为多元正态随机矢量。 试证明，多元正态随机矢量X的分量的线性组合是一正态随机变量。 习题 * * * * * * * * * * * * * * * 一、信息获取　　在现阶段计算机都只能处理某种形式的电信号，而待识别的样本大都是非电信息，例如癌细胞病理切片，语音信号，待识别文本，图像等，这就需要将这些以各种不同形式表现的信息通过传感器