第5章 模式识别.pptVIP

第5章 模式识别 主要内容： 模式识别概论 模式识别方法：统计/模糊模式识别 5.1 模式识别概论 1.基本概念 5.1 模式识别概论 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。 狭义的定义： 模式：是对某些感兴趣的样本的定量或结构的描述。 模式类：具有某些共同特性的模式的集合。 模式识别：是指这样一种自动化技术，依靠这种技术，计算机能自动地（或 在人尽量少的干涉下）把待识别模式分配到各自的模式类中。 广义的模式识别：是指对表征事物或现象的各种形式的（数值的、文字的 和逻辑的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解 释的过程，是信息科学和人工智能的重要组成部分。 5.1 模式识别概论 模式的直观特性:可观察性 可区分性 相似性 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。 5.1 模式识别概论 2.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。 5.1 模式识别概论 3.模式识别的应用 ①文字和字符识别：识别签字、信函分拣、文件处理、支票查对、自动排版等。 ②图形识别：遥感和航空照片分析、目标搜索、指纹和面貌辨认、X光等 ③声音识别：语音识别和鉴定、机器故障判断 ④生物医学：疾病诊断、修复手术控制设计、自动细胞学、遗传研究 ⑤工业应用：产品质量检查、集成电路设计、自动键合 ⑥预报预测：天气预报、工业烟雾预报、地震预报、经济预测 ⑦天文学：天文望远镜图像分析、自动光谱学 ⑧经济学：股票交易预测、企业行为分析 ⑨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 ⑩安全：指纹识别、人脸识别、监视和报警系统 4.发展潜力：语音识别技术、生物认证技术、数字水印技术 5.1 模式识别概论 5.模式识别系统 组成：设计过程：用一定数量的样本（叫做训练集或学习集）进行分类器的设 计 实现过程：用所设计的分类器对待识别的样本进行分类决策。 统计模式识别是最基本的模式识别方法。 基于统计方法的模式识别系统主要由4个部分组成： 5.1 模式识别概论 数据获取：用计算机可以运算的符号来表示所研究的对象。 通常输入对象的信息有下列3种类型： 二维图像：文字、指纹、地图、照片等 一维波形：脑电图、心电图、季节震动波形等 物理参量和逻辑值：体温、化验数据、参量正常与否的描述 通过测量、采样和量化来获取表征对象，这就是数据获取过程。 预处理：目的是去除原数据中的噪声和冗余信息，强化有用信 息，并对输入测量仪器或其它因素所造成的退化现象 进行复原。 5.1 模式识别概论 特征提取和选择：对原始数据进行变换，得到最能反映分类本质的特征 测量空间：原始数据组成的空间 特征空间：分类识别赖以进行的空间 模式表示：维数较高的测量空间-维数较低的特征空间 分类决策：在特征空间中用模式识别方法把待识别对象归为某 一类别 基本做法：在样本训练集基础上确定某个判决规则，使得按这种规则对被识别对象进行分类所造成的错误识别率最小或引起的损失最小 5.1 模式识别概论 6.模式识别方法 基于决策理论的统计模式识别 基于形式语言理论的结构模式识别 基于模糊数学的模糊模式识别 基于人工智能的智能模式识别 5.1 模式识别概论 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) 5.1 模式识别概论 5.1 模式识别概论 5.2 统计模