课程引言.docVIP

课程引言 1．课程对象 计算机应用技术专业硕士研究生的专业必修课 其他专业研究生的选修课 2．与模式识别相关的学科 统计学 概率论 线性代数（矩阵计算） 形式语言 机器学习 人工智能 图像处理 计算机视觉 … 3．课程基本内容 统计模式识别（主要）、句法模式识别（略）。还涉及到神经网络、支撑向量机、模糊数学等知识。 4．教学方法 着重讲述模式识别的基本概念，基本方法和算法原理。 注重理论与实践紧密结合 实例教学：通过大量实例讲述如何将所学知识运用到实际应用之中 避免引用过多的、繁琐的数学推导。 5．教学目标 掌握模式识别的基本概念和方法 有效地运用所学知识和方法解决实际问题 为研究新的模式识别的理论和方法打下基础 6．教材/参考文献 R. Duda, P. Hart, D. Stork, Pattern Classification, second edition（有中译本） 边肇祺，模式识别（第二版），清华大学出版社 孙即祥，现代模式识别，国防科技大学出版社 7．机构、会议、刊物 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….。 刊物 Pattern Recognition (PR) Pattern Recognition Letters (PRL) Pattern Analysis and Application (PAA) International Journal of Pattern Recognition and Artificial Intelligence (IJPRAI) 模式识别与人工智能  8．题外话 基本：完成课程学习，通过考试，获得学分。 提高：能够将所学知识和内容用于课题研究，解决实际问题。 飞跃：通过模式识别的学习，改进思维方式，为将来的工作打好基础，终身受益。 第1章 概 论 Why do we learn PR? It is interesting! It is useful! It is a good practice! 什么是模式（Pattern）？ 广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。 模式所指的不是事物本身，而是从事物获得的信息，因此，模式往往表现为具有时间和空间分布的信息。 模式的直观特性: 可观察性 可区分性 相似性 Pattern Recognition 模式识别的概念 模式识别 – 直观，无所不在，“人以类聚，物以群分” 周围物体的认知：桌子、椅子 人的识别：张三、李四 声音的辨别：汽车、火车，狗叫、人语 气味的分辨：炸带鱼、红烧肉 人和动物的模式识别能力是极其平常的，但对计算机来说却是非常困难的。 模式识别的研究 目的：利用计算机对物理对象进行分类，在错误概率最小的条件下， 使识别的结果尽量与客观物体相符合。 Y = F(X) X的定义域取自特征集 Y的值域为类别的标号集 F是模式识别的判别方法 模式识别简史 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。 50年代 Noam Chemsky 提出形式语言理论——傅京荪 提出句法结构模式识别。 60年代 L.A.Zadeh提出了模糊集理论，模糊模式识别方法得以发展和应用。 80年代以Hopfield网、BP网为代表的神经网络模型导致人工神经元网络复活，并在模式识别得到较广泛的应用。 90年代小样本学习理论，支持向量机也受到了很大的重视。  模式识别的应用（举例） 生物学 自动细胞学、染色体特性研究、遗传研究 天文学 天文望远镜图像分析、自动光谱学 经济学 股票交易预测、企业行为分析 医学 心电图分析、脑电图分析、医学图像分析 工程 产品缺陷检测、特征识别、语音识别、自动导航系统、污染分析 军事 航空摄像分析、雷达和声纳信号检测和分类、自动目标识别 安全 指纹识别、人脸识别、监视和报警系统  模式分类的主要方法 （模式识别系统的目标：在特征空间和解释空间之间找到一种映射关系） 数据聚类 统计分类 结构模式识别 神经网络 1