一patten recognition c1.ppt

模式识别 引 言 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 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。 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 教学效果 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。 教材/参考文献 舒宁等，模式识别的理论与方法，武汉大学出版社，2004。. 边肇祺等，模式识别（第二版），清华大学出版社，2000。 蔡元龙，模式识别，西北电讯工程学院出版社，1986。 统计模式识别 基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法。 特征向量分布的获得是基于一个类别已知的训练样本集。 是一种监督分类的方法，分类器是概念驱动的。 聚类分析 目标：用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据集。 是一种非监督学习的方法，解决方案是数据驱动的。 模糊模式识别 基于模糊数学理论，利用隶属函数描述事物的 不确定性。 识别根据研究对象对于某模糊子集的隶属程度采用最大隶属原则识别法、择近原则识别法，模糊聚类分析法对模式进行识别。 结构模式识别 该方法通过考虑识别对象的各部分之间的联系来达到识别分类的目的。 识别采用结构匹配的形式，通过计算一个匹配程度值（matching score）来评估一个未知的对象或未知对象某些部分与某种典型模式的关系如何。 当成功地制定出了一组可以描述对象部分之间关系的规则后，可以应用一种特殊的结构模式识别方法 – 句法模式识别，来检查一个模式基元的序列是否遵守某种规则，即句法规则或语法。 人工神经网络方法 神经网络是受人脑组织的生理学启发而创立的。 由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以在不同的神经元之间传递增强或抑制信号。 增强或抑制是通过调整神经元相互间联系的权重系数来实现。 神经网络可以实现监督和非监督学习条件下的分类。 模式识别过程实例 在传送带上用光学传感器件对鱼按品种分类 鲈鱼(Seabass) 品种 鲑鱼(Salmon) 识别过程 数据获取：架设一个摄像机，采集一些样本图像，获取样本数据 预处理：去噪声，用一个分割操作把鱼和鱼之间以及鱼和背景之间分开 识别过程 特征提取和选择：对单个鱼的信息进行特征选择，从而通过测量某些特征来减少信息量 长度 亮度 宽度 鱼翅的数量和形状 嘴的位置，等等 … 分类决策：把特征送入决策分类器 模式分类器的评测过程 数据采集 特征选取 模型选择 训练和测试 计算结果和复杂度分析，反馈 分类器评测 训练和测试 训练集：是一个已知样本集，在监督学习方法中，用它来开发出模式分类器。 测试集：在设计识别和分类系统时没有用过的独立样本集。 系统评价原则：为了更好地对模式识别系统性能进行评价，必须使用一组独立于训练集的测试集对系统进行测试。 实例：统计模式识别 19名男女同学进行体检，测量了身高和体重，但事后发现其中有4人忘记填写性别，试问（在最小错误的条件下）这4人是男是女？体检数值如下： 实例：统计模式识别（续） 待识别的模式：性别（男或女） 测量的特征：身高和体重 训练样本：15名已知性别的样本特征 目标：希望借助于训练样本的特征建立判别函数（即数学模型） 实例：统计模式识别（续） 由训练样本得到的特征空间分布图 实例：统计模式识别（续） 从图中训练样本的分布情况，找出男、女两类特征各自的聚类特点，从而求取一个判别函数（直线或曲线）。 只要给出待分类的模式特征的数值，看它在特征平面上落在判别函数的哪一侧，就可以判别是男还是女了。 实例：句法模式识别 问题：如何利用对图像的结构信息描述，识别如下所示图片： 实例：句法模式识别（续） 将整个场景图像结构分解成一些比较简单的子图像的组合； 子图像又用一些更为简单的基本图像单元来表示，直至子图像达到了我们认为的最简单的图像单元（基元）； 所有这些基元按一定的结构关系来表示，利用多级树结构对其进行描述（这种描述可以采用形式语言理论）。 实例：句法模式识别（续） 多级树描述结构 实例：句法模式识别（续） 训练过程： 用已知结构信息的图像作为训练样本，先识别出基元（比如场景图中的X、Y、Z等简单平面）和它们之间的连接关系（例如长方体E是由X、Y和Z三个面拼接而成），并用字母符号代表之； 然后用构