Pattern_Recognition.pptVIP

d2 A1 A2 A3 B1 B2 B3 C1 C2 1 0 25 36+36 9+4 25+25 16+36 1+64 4+1 2 32 17 8 5 2 4 41 13 3 .52+ 6.52 .52+1.52 6.52+0.52 3.52+4.52 5.52+1.52 4.52+0.52 0.52+1.52 2.52+5.52 第二次迭代: 中心为1: (2,10), 2: (6,6), 3: (1.5,3.5) 1: A1, C2 (3.5,9.5) 2:A3, B1,B2, B3 (6.5, 5.25) 3: A2, C1 (1.5,3,5) d2 A1 A2 A3 B1 B2 B3 C1 C2 1 1+.52 1+4.52 52+5.52 22+1.52 42+4.52 32+5.52 22+7.52 12+.52 2 4.52+7.52 4.52+ 0.252 1.52+ 1.252 1.52+ 2.752 .52+0.252 .52+1.252 5.52+ 3.252 2.52+3.752 3 .52+ 6.52 .52+1.52 6.52+0.52 3.52+4.52 5.52+1.52 4.52+0.52 0.52+1.52 2.52+5.52 第三次迭代: 中心为1: (3.5,9.5 ), 2: (6.5,5.25), 3: (1.5,3.5) 1: A1, B1,C2 (11/3,9) 2:A3, B2, B3 (7, 13/3) 3: A2, C1 (1.5,3,5) d2 A1 A2 A3 B1 B2 B3 C1 C2 1 2 3 .52+ 6.52 .52+1.52 6.52+0.52 3.52+4.52 5.52+1.52 4.52+0.52 0.52+1.52 2.52+5.52 第四次迭代: 中心为1: (11/3,9), 2: (7, 13/3), 3: (1.5,3.5) 1: A1, B1,C2 (11/3,9) 2:A3, B2, B3 (7, 13/3) 3: A2, C1 (1.5,3,5) * Pattern Recognition模式识别 主要内容 模式识别简介 基本概念 模式识别方法 模式识别应用 Introduction Pattern recognition is 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. (Anli K. Jain) What is a Pattern? Watanable defines a pattern “as opposite of a chaos; it is an entity, vaguely defined, that could be given a name.” a finger print image A handwritten cursive word a human face A speech signal ….. 识别 Recognition-（Re-Cognition） 识别——再认识 主要研究相似和分类问题 有监督分类 无监督分类 与其他学科的关系 统计学 人工智能 机器学习 运筹学 模式识别系统 数据获取与预处理 数据表达 决策 基本概念 识别 （Recognition) 决策 （Decision） 学习 （Learning） 普适、推广、概括（Generalization) 模式识别的方法 模版匹配 统计方法 句法方法 神经网络 模版匹配 首先对每个类别建立一个或多个模版 输入样本和数据库中每个类别的模版进行比较，求相关或距离 根据相关性或距离大小进行决策 优点：直接、简单 缺点：适应性差 统计方法 根据训练样本，建立决策边界 统计决策理论——根据每一类总体的概率分布决定决策边界 判别分析方法——给出带参数的决策边界，根据某种准则，由训练样本决定“最优”的参数 句法方法 许多复杂的模式可以分解为简单的子模式，这些子模式组成所谓“基元” 每个模式都可以由基元根据一定的关系来组成 基元可以认为是语言中的字母，每个模式都可以认为是一个句子，关系可以认为是语法 模式的相似性由句子的相似性来决定 优点：适合结构性强的模式 缺点：抗噪声能力差，计算复杂度高 神经网络 大规模并行计算 学习、推广、自适应、容错、分布表达和计算