patternrecognitionch.ppt

自动化学院 Ch1 概论 自动化学院 1.1 模式识别的基本概念 人对事物的认识 按分类来进行认识 认识的不同层次 模式识别（pattern recognition） 指用计算机实现人的模式识别能力 确定一个样本的类别属性（模式类）的过程 样本（特征空间）到类别的映射 把样本根据其特征归类，又称“模式分类”(pattern classification) 模式识别 数据挖掘 人工智能 专家系统 情感计算 人工智能 机器学习 1.1 模式识别的基本概念 样本、特征、模式、类 样本(sample)，研究对象的个体；样本集 特征(feature)，表征样本的观测 模式(pattern)，法也；特征的组合（时、空） 类别(class)，具有某些共同特性(模式)样本的集合 已知/未知样本，类别标号已知/未知 1.2 模式识别的基本方法 模版匹配法(templete matching) 统计模式识别(statistical pattern recognition): 1950s- 结构模式识别(句法方法) (structural pattern recognition ) 1970s- 模糊模式识别（fuzzy）: 1980s- 神经网络方法(neural network): 1980s- 支持向量机（核方法）:（Support Vector Machine） 1990s- 1.2 模式识别的基本方法 模版匹配法(templete matching) 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,例如求相关或距离，根据相似性(相关性或距离)大小进行决策。 优点:直接,简单； 缺点:适应性差 1.2 模式识别的基本方法 统计模式识别(statistical pattern recognition): 理论基础：概率论，数理统计 主要方法：线性、非线性分类、Bayes决策、聚类分析 优点： 1）比较成熟 2）能考虑干扰噪声等影响 3）识别模式基元能力强 缺点： 1）对结构复杂的模式抽取特征困难 2）不能反映模式的结构特征，难以描述模式的性质 3）难以从整体角度考虑识别问题 1.2 模式识别的基本方法 结构模式识别(句法方法) 美籍华人付京荪(Purdue Univ.)提出句法结构模式识别（50年代 Noam Chomsky 基于文法的形式语言理论） 采用比较简单的子模式（基元）来描述复杂模式，观察对象表达为一个由基元组成的句子，基元构成模式所遵循的规则即为文法（句法） 模式描述方法： 符号串，树，图 模式判定： 用一个文法表示一个类，m类就有m个文法，然后判定未知模式遵循哪一个文法 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 实际中，往往与统计相结合，统计方法完成基元识别 1.2 模式识别的基本方法 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 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。 缺点：当存在干扰及噪声时，抽取特征基元困难，且易失误。 1.2 模式识别的基本方法 模糊模式识别（fuzzy）: 模式判定： 是一种集合运算。用隶属度将模糊集合划分为若干子集， m类就有m个子集，然后根据择近原则分类。 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 优点：由于隶属度函数作为样本与模板间相似程度的度量，故往往能反映整体的与主体的特征，从而允许样本有相当程度的干扰与畸变。 缺点：准确合理的隶属度函数往往难以建立，故限制了它的应用 1.2 模式识别的基本方法 基于知识：人工智能、句法模式识别 基于数据：统计模式识别 监督模式识别 非监督模式识别：聚类分析 对象 G S LM y y’ x 1.3 模式识别系统 模式识别系统组成与过程 1.3 模式识别系统 空间类型 模式采集：从客观世界（对象空间）到模式空间的过程称为模式采集。 特征提取和特征选择：由模式空间到特征空间的变换和选择。 类型判别：特征空间到类型空间所作的操作。 对象空间 模式空间 特征空间 类型空间 1.3 模式识别系统 数据获取：模式的数字化表达 1.3 模式识别系统 预处理：去噪、复原、强化 特征提取和选择： 特征是指用于描述模式性质（特性）的一种定量的概念。（苹果和桔子的大小、颜色、味道） 特征提取是指采用映射（或变换）实现由模式测量空间向特征空间的转变或者将特征空