模式识别原理【荐】.ppt

《模式识别原理》 3学分 60学时(连自学和考试时间） 一 课本 1．《数字图象处理与模式识别》 余英林编著， 华南理工大学出版社，（1990） 第九章以后 2．《模式识别》 边肇祺著 清华大学出版社 1988 2000第二版 1－4章 6章 3.《句法模式识别》傅京荪著 二 参考书 1．《数字处理处理》 Kenneth R Castleman 清华大学出版社 “pattern recongnition” 2．《句法模式识别》 R。C Gonzalaz 3. Satosi Watanabe：“Pattern Recognition” Human Machanical” (1995年) 4.《模式识别与图象处理》 戚飞虎等译 上海交大出版社（1989） 全面浏览和备忘手册，还有各种识别应用语言，字符、地震，水声 5.《计算机文字识别技术》 胡家忠著 气象出版社 1994 文字识别是PR一个重要分支，研究得较为充分，有许多行之有效得识别方法，应用越来越广泛，作者是第一线的干将。 6 《语音处理与识别》胡光锐著 上海科技文献出版社 1994 语音处理手册，有些基本的程序。有关的现成工作不需自己去搞，省下的时间可用于探索新事物。 7《神经网络在模式识别中的应用》 张立明著 复旦大学出版社 1993 识别工作日新月异地发展，各种识别方法层出不穷，不断完善，要不断学习。 8 《自适应模式识别与神经网络》 包约翰 有英文本，中译本 kohonen极力推荐 在美国颇受欢迎地研究生教材 阐述模式识别与神经网络地基本概念、原理与准则 内容： 模式性质 统计PR 模糊集合理论及方法 非数值特征的PR 神经网络简介 BP算法 联想存贮及Hopfield网 自组织网络及用神经网络实用自适应PR的若干方法 内容编排与国内教材很不相同（上课还是按既定方针） 三 课程安排 统计PR 1 简介 2 贝叶斯法决策理论 近似步骤，计算负荷（训练）检验 神经网络分类器 常规分类器 决策规则 分类器设计 几种贝叶斯分类、最小分类、最邻近分类 3 概率密度函数估计 密度估计 分类器错误率估计 4 判别函数 线性判别函数 线性可分性 准则函数 感知准则 5 特征选择与提取 6 聚类分析 7 句法模式识别 源模式选择和模式文法（描述，化简，推断） 自动机实现识别 8 模式分析 系统结构中控制模块数学模型，结构表示 AI问题求解模型及搜索技术在理解目标内容模式分类和表达中的应用，对感兴趣目标进行检测，测量，获得客观信，建立其描述 9 神经网络在PR中的应用 用前馈网络实现任意分界面 线性 RBF网络 BP网应用 联想记忆 自适应谐振理论（ART） 10 其他 a Fukushima 神经认知机 b 最优算法：遗传算法，进化算法等 c 模糊P.R （上下文有关分类），隐马尔可夫模型，Viterbi算法等用于（信号处理中有） Chap 1 基本知识 一 基本数学方法 1 集合论几个关系 模式识别是模式从模式空间到类别隶属空间的正确映射 ①模式集合 元素为模式值 模式集中元素数n P（x）――具有性质P的x 某种逻辑性质或物理性质 具有P的那些x的集合 幂集 所有子集（含空集）P（x）有个元素 可表示为 所有被包含于X的集合的集合。 ②模式集间映射运算 若有 （定义域），则 （值域）； 值域 （从模式集X到模式集Y的关系） ③若映射运算， 且有 则 为特征函数 集合A为具有某个性质的元素集合，则X的元素x到集合A的映射的取值为： 某个元素x不属于该集合时（不具有某个性质），取值0 某个元素x属于该集合时（具有某个性质），取值1 2 参考估计 给定模式样本 随机过程样本，可估计其统计参量 ，估值为 不同逼近方法，不同逼近条件，如何逼近真值？不同估计 ①兼容估计（Consistent estimate） 若有 ， 则 为 的兼容估计，样本数极多时，以概率逼近 ②无偏估计（unbiased estimate） n任意给定（即n可有限），期望值 ， 为 的无偏估计 ③渐近无偏估计 n有限时， 不成立