第二讲 模式识别与机器智能.pptVIP

第二讲：模式识别与机器智能 §2.1 基本概念与研究目标 §2.2 模式识别系统的组织结构 §2.3 模式识别的主流方法 §2.4 人脸检测与识别的简单示例 §2.5 模式识别的应用范例 §2.6 可以涉猎的教科书或教学参考书 第二讲：模式识别与机器智能 §2.1 基本概念与研究目标 (1)模式:是对存在于空间和时间中的可观察客体的统称。根据需要或兴趣可进行定量或结构的描述。 （2）模式类：具有某些共同或相似特征的模式样本的集合。 （3）简单模式：如果在应用目的上只对类别的区分感兴趣，且将其视为整体来分类是可能的，则称这样的模式为简单模式。如数字字符、汉字、指纹图像、单词的语音波形等。 §2.1 基本概念与研究目标 （4）复杂模式：如果从应用目的上考虑，只给出模式的类别区分是不够的，或者将模式作为整体来分类是不可能的，则称该模式为复杂模式。如:电路图、市政交通图、市区风景图等。 （5）分类：在（简单）模式的分类中，每个模式都作为一个整体来观察，且与其他模式无关地唯一归入到k个可能类别?i（i=1,2， …… , k）中的一个类别?j。当某个模式与k个可能的模式类均无相似之处时，则视其为拒识类，记为?（k+1）。 §2.1 基本概念与研究目标 （6）模式识别：研究具有空间和时间分布信息的模式的自动处理和判读的策略、算法和实现技术。其中既包括简单模式的分类，也包括复杂模式的分析。 ★ 研究和发展“模式识别”的目的是:通过模式识别的理论方法和实现技术,将“智能”赋予机器（计算机），使机器能够完成人类智能中通过视觉、听觉、触觉等感官来识别外界环境和目标的智能化任务。从而提高计算机的感知能力和智能化水平，大大拓宽计算机的应用领域。 §2.2 模式识别系统的组织结构 图1 典型模式识别系统的基本组织结构 §2.3 模式识别的主流方法 (1) 统计模式识别（Statistical Pattern Recognition: StatPR） 以概率统计方法为理论工具，研究和开发模式分类的决策策略和算法，设计有效的分类器。 图2 统计分类器示意图 §2.3 模式识别的主流方法 (2) 结构(句法)模式识别（StrucPR） 结构模式识别是在抽取模式的基本结构要素（基元）和各要素之间的相互关系的基础上，推断定义出可反映每一模式类之结构的文法。通俗而言，就是以小而简单的基元与恰当的文法规则来描述大而复杂的模式。进而以“文法”为工具，通过句法分析来实现分类或描述。 §2.3 模式识别的主流方法 (2) 结构(句法)模式识别（StrucPR） 图3 文法推断流程图 §2.3 模式识别的主流方法 (2) 结构(句法)模式识别（StrucPR） 图4 基于句法分析的分类器 §2.3 模式识别的主流方法 (3) 软计算模式识别（SoComPR） ① 神经模式识别（Neural Pattern Recognition: NeurPR） 综合利用神经网络的感知、学习和训练功能，通过监督（或非监督）学习训练赋予神经网络有效的分类识别能力。 ② 模糊模式识别（Fuzzy Pattern Recognition: FuzzyPR） 利用建立在模糊逻辑基础上的模糊关系，根据隶属原则，模糊等价关系，以及模糊相似关系实现模式分类。 §2.4 人脸检测与识别的简单示例 §2.4 人脸检测与识别的简单示例