第2讲基本概念.pptVIP

模式识别 第二讲 模式识别的基本概念 一、基本概念 1、四个空间及其映射 （1）样本空间（物理空间） （2）模式空间（信息空间） （3）特征空间（表达空间） （4）类别空间（解释空间） 2、模式采集 模式采集是从样本空间的具体对象采集模式信息的过程。 通过样本信息的采集和整理，用模式信息来表达样本的特性。 通常利用传感器技术和数据采集系统，为方便计算机处理，也常常需要进行模数转换。 模式采集的方式通常与应用的实际情况有关，在有多种采集手段和多种信息描述方式的情况下，也可以从优化模式识别过程的角度进行选择。 3、特征提取和预处理 （1）特征提取 特征提取就是从模式信息中抽取对分类最有用的信息，以降低模式信息的维数，简化识别过程。 特征提取也可能是数据转换的过程，但特征提取一定是减少信息量的过程。 对同一个模式，根据分类目标的不同，也有不同的特征选择 3、特征提取和预处理 （2）预处理 预处理的目的是去除噪声，增强特征，或者对数据进行变换，包括二值化，图象的平滑，变换，增强，恢复，滤波等 预处理可能发生在特征提取之前，也可能发生在特征提取之后。 4、分类器设计： 分类器设计的主要功能是通过训练确定判决规则，使按此判决规则分类时，错误率最低或风险最小。 5、分类决策： 在特征空间中对被识别对象进行分类。 三、基本问题 1、模式(样本)表示方法 （1）向量表示 : 假设一个样本有n个变量(特征) Ⅹ= (X1,X2,…,Xn)T （2）矩阵表示: N个样本，n个变量(特征) 2、模式类的紧致性 （1） 紧致集： 同一模式类中的点分布比较集中，并和其他模式类相隔足够的距离，则称这样的模式类为紧致集。 4、相似度的度量 （1）两个模式xi ，xj之间的相似度量满足以下要求： ① 应为非负值 ② 一个模式与自身的相似性度应最大 ③ 度量应满足对称性 ④ 在满足紧致性的条件下，相似性应该是点间距离的单调函数 * * 模式识别的一些基本概念 模式识别系统 模式识别的一些基本问题 模式识别的主要方法 （3）特征空间：（表达空间） 概念：由对模式识别过程有用的特征值构成的集合，可以是数值型的，也可以是非数值型的； 特点：维数较少，无穷集合，是进行模式识别分类的依据； （4）类别空间：（解释空间） 概念：由分类结果的模式类构成的集合； 特点：维数有限，可能是不连续空间（有限点），也可能是连续空间（无限点，模糊结果），对类别空间需要有事先的说明（知识的积累，学习或培训的过程） （1）样本空间：（物理空间） 概念：客观存在的事物的集合； 特点：无限维，无限大，我们总是对样本空间的某一部分感兴趣； （2）模式空间：（信息空间） 概念：对客观事物的描述信息构成的集合，包括属性数据、图像、结构描述等； 特点：有限维，信息表达方式统一规范，无穷集合；是模式识别（机器识别）的对象； 样本空间 模式空间 图片一数据 图片二数据 。。。。 特征空间 X＝ (颜色,外形) 类别空间 类1:苹果类2:橙子 信息采集 特征选取 分类决策 2、样本、模式和模式类 （1）样本： 样本就是我们要去识别的客观事物。 （2）模式： 模式是我们通过信息采集，形成的对一个对象的描述， 这些描述信息应该具有以下特点： a. 规范化 b.可理解 c.可识别 （3）模式类： 模式类就是某些具有相似性的模式的集合。 模式识别的过程就是确定待识别的模式属于哪一个模式类的过程。 一、基本概念 样本： 一个苹果 模式： 颜色 形状 重量 口感 酸度 甜度 。。。。。。。 模式类： 苹果 一、基本概念 3、特征和特征空间 （1）特征： 特征是从对应于一个模式类的所有信息中提取出来的，可以用来进行模式识别的部分属性。 特征可以是数值型的，也可以是非数值型的。 重量就是数值型特征、结构拓扑就是非数值型特征。 非数值型特征也可以用数值方法来表示（否则计算机无法处理）。 特征一定有确切的定义和表示方法。 苹果的颜色和形状就是苹果这个模式类的数值型特征。其中颜色定义：绿色光强/红色光强，形状定义为：最宽处位置/高度。 一、基本概念 用来表示特征的值: 苹果的颜色＝1.24，形状＝0.37 3、特征和特征空间 （2）特征值 一、基本概念 3、特征和特征空间 （3）特征向量 表示模式的各个特征就组成特征向量 x=[x1,x2] =[颜色,形状] 一、基本概念 3、特征和特征空间 （4）特征空间： 数值型特征：把每个特征作为一维，构成的多维几何空间，称为几何型特征空间；