模式识别分析报告.pptVIP

模式识别理论及应用Pattern Recognition - Methods and Application 授课人：祝海江 Tel:Email: zhuhj@ 课程对象 相关学科 教学方法 教学目标 基本要求 教材/参考文献 考核方式 ●平时考查内容包括作业30%。 编程大作业 Fisher分类器设计与实现编程 聚类算法编程实现 实际车牌识别编程实现 课堂作业 ●期末考试占总成绩的70%。 课程内容目录 1． 模式识别概述 2． Bayes决策理论 3． 概率密度函数的估计 4． 线性判别函数 5． 邻近法则 6． 非监督学习与聚类方法 7． 特征的选择与提取 8． 统计学习理论和支持向量机 9 ． 应用举例 第一章 模式识别概述 1.1 模式识别和模式 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。 模式识别作为一门学科，是研究用机器完成自动识别事物的工作。 模式识别形成于50~60年代，它与人工智能关系密切。 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，还有不足。 现有的理论与方法 模式(pattern) ：存在于时间，空间中可观察的事物，具有时间或空间分布的信息。从工程角度讲是指客观事物存在形式的数学表达。 模式：对客体（研究对象）特征的描述（定量的或结构的描述），是取自客观世界的某一样本的测量值的集合（或综合）。 模式识别(Pattern Recognition)：确定一个样本的类别属性（模式类）的过程，即把某一样本归属于多个类型中的某个类型。 模式识别 ： 用计算机实现人对各种事物或现象的分析,描述,判断,识别。从工程的角度讲，识别可以看作是一个数值分类问题。 模式识别的发展史 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。因此，在60～70年代，统计模式识别发展很快，但由于被识别的模式愈来愈复杂，特征也愈多，就出现“维数灾难”。但由于计算机运算速度的迅猛发展，这个问题得到一定克服。统计模式识别仍是模式识别的主要理论。 50年代 Noam Chemsky 提出形式语言理论 美籍华人付京荪 提出句法结构模式识别。 60年代 L.A.Zadeh提出了模糊集理论，模糊模式识别理论得到了较广泛的应用。 80年代 Hopfield提出神经元网络模型理论。近些年人工神经元网络在模式识别和人工智能上得到较广泛的应用。 90年代 小样本学习理论，支持向量机也受到了很大的重视。 1973年 IEEE发起了第一次关于模式识别的国际会议“ICPR”，成立了国际模式识别协会---“IAPR”，每2年召开一次国际学术会议。 1977年 IEEE的计算机学会成立了模式分析与机器智能（PAMI）委员会，每2年召开一次模式识别与图象处理学术会议。 国内的组织有电子学会，通信学会，自动化协会，中文信息学会….。 ● IEEE Trans. on PAMI, ● Pattern Recognition ● Pattern Recognition Letter ● CVPR, ICCV，ECCV, ACCV，ICPR, ●模式识别与人工智能 ●自动化学报 ●计算机学报 ●软件学报 模版匹配法 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 形变模版 基于知识的方法：根据已知知识，建立其特征与类别间的关系准则，建立一定的计算机推理系统，对未知样本通过这些知识推理决策其类别。 例：如下图中一幅图形，要识别图中的物体，选用句法模式识别方法. 解：图形结构复杂，首先应分解为简单的子图（背景、物体）。 构成一个多级树结构： 在学习过程中，确定基元与基元之间的关系，推断出生成景物的方法。 判决过程中，首先提取基元，识别基元之间的连接关系，使用推断的文法规则做句法分析。若分析成立，则判断输入的景物属于相应的类型。 理论基础：形式语言，自动机技术 主要方法：自动机技术、CYK剖析算法、Early算法、转移图法 主要优点：1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。 主要缺点：当存在干扰及噪声时，抽取特征基元困难，且易失误。 理论基础：模糊数学 主要方法：模糊统计法、二元对比排序法、推理法、模糊集运算规则、模糊矩阵 主要优点：由于隶属度函数作为样本与模板间相似程度的度量，故往往能反映整体