ch1 模式与模式识别概论.pptVIP

第一章 概论 第一章 模式识别概论 1.1 模式及模式识别的概念 1.2 模式识别系统 1.3 模式识别方法 1.4 模式识别的应用 1.1 模式识别和模式的概念 1. 模式和模式识别 2. 人的模式识别能力 3. 计算机模式识别问题 1. 模式和模式识别 1. 模式和模式识别 例如，判断某细胞是正常细胞还是癌变细胞，我们可以抓住两个特征，一个是细胞的圆形度x，一个是细胞的形心偏差度y。因为，正常细胞比较圆，即图形度大；正常细胞的细胞核中心偏离细胞中心小，即形心偏差度小；而癌变细胞的圆形度小，形心偏差度大，这两个待征能比较有效地区分正常细胞与癌变细胞，所以，我们可以用途两个特征来描述细胞。为了便于数学处理，我们把这些数据持征组成向量(x, y)，称为特征向量。 1. 模式和模式识别 1. 模式和模式识别 Pattern recognitionis the study of how machines can observe the environment, learn to distinguish patterns of interest from their background, and make sound and reasonable decisions about the categories of the patterns. (Anil K. Jain) 1. 模式和模式识别 人类具有很强的模式识别能力，时刻在完成某种模式识别的任务。 模式识别是一门理论与应用并重的技术科学，有广泛的需求。 模式识别是从样本到类别的映射。 1. 模式和模式识别 模式识别是从样本到类别的映射。 模式识别简史 1929年 G. Tauschek发明阅读机 ，能够阅读0-9的数字。 30年代 Fisher提出统计分类理论，奠定了统计模式识别的基础。 50年代 Noam Chemsky 提出形式语言理论——傅京荪 提出句法结构模式识别。 60年代 L.A.Zadeh提出了模糊集理论，模糊模式识别方法得以发展和应用。 80年代以Hopfield网、BP网为代表的神经网络模型导致人工神经元网络复活，并在模式识别得到较广泛的应用。 90年代小样本学习理论，支持向量机也受到了很大的重视。 2. 人的模式识别能力 2. 人的模式识别能力 2. 人的模式识别能力 3、计算机模式识别问题 生产实践的需要：需要智能机器人，另外人的工资高，而计算机的价格越来便宜。 信息爆炸现象：用人来不及处理信息。如：卫星遥感，超级市场，邮政，银行，指纹库。 危险地带：油漆、放射、高温、核电站。 提高工效：自动化带来的好处已经显而易见。 1.2 模式识别系统 1、数据获取 2、预处理 3、特征抽取 4、分类器设计 5、一些基本问题 1.2 模式识别系统 1.数据获取 为了使计算机能够对客体进行分类识别，必须将客体用计算机所能接受的形式表示，通常从客体获得的信息有下列三种类型 ①二维图像，如文字、指纹、照片等； ②一维波形，如语音、机械振动波、心电团等； ③物理参量或逻辑值，如体温、各种实验数据等。 通过测量、采样和量化，可以用矩阵或向量表示二维图象或一维波形，这就是信息获取过程。 2．预处理 预处理的目的是去除噪声，加强有用的信息，并对种种因素造成的退化现象进行复原。 3．特征抽取 由信息获取部分获得的原始数据量一般是相当大的。为了有效地实现分类识别，要对原始数据进行选择或变换，得到最能反应分类本质的待征，构成特征向量。这就是特征抽取的过程。 4．分类器设计 为了把待识模式分配到各自的模式类中去，必须设计出分类判别规则。 基本作法是：用一定数量的样本(称为训练样本集)确定出一套分类判别规则，使得按这套分类判别规则对待识模式进行分类所造成的错误识别率最小或引起约损失最小。 分类器按已确定的分类判别规则对待识模式进行分类判别，输出分类结果。 模式类的紧致性： 集合中任意两个内点可以用光滑线连接，在该连线上的点也属于这个集合。 每个内点都有一个足够大的邻域，在该邻域中只包含同一集合中的点。 紧致集要求临界点要比较少 假若每个模式类都满足紧致性假设，则解决模式识别间题就不会碰到什么原则上的困难。但对于很多实际问题这个假设是不成立的。 只要各个模式类是可分的，总存在这样一个空间，使变换到这个空间中的集合满足紧致性要求。 相似与分类： 相似与分类问题远不像集合表达那样简单明了。集合的概念可用来表现已经分好的类，但对于怎样分类和归类则缺乏指导意义。 用各种距离表示相似性： 已知两个样本 xi=(xi1, xi2 , xi3,…,xin)T