识别第一章节readdata.jsp.pptVIP

电气信息工程学院电子信息 模式识别 杨 帆 河北工业大学信息工程学院 1.模式识别的发展史 1929年 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。 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 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。 新世纪 进一步发展 2. 模式识别的基本定义 (1) 模式 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。(凡是人类能用其感官直接或间接接受的外部信息都称为识别） (2)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。 模式识别是模拟人的某些功能 模拟人的视觉: 计算机+光学系统 模拟人的听觉: 计算机+声音传感器 模拟人的嗅觉和触觉: 计算机+传感器 (3). 模式识别的目的和作用 在于面对某一具体事物时将其正确的归入某一类别. 例1：医生给一个病人看病（模式识别的完整过程）。 测量病人的体温和血压，化验血沉，询问临床表现； 通过综合分析，抓住主要病症； 医生运用自己的知识，根据主要病症，作出正确的诊断 §1-2 模式识别系统 模式空间的维数虽然是有限的，但还是非常多，其中一些并不反映样本的实质，机器在作出判断之前要对模式空间里的各坐标元素进行综合分析，以获取最能揭示样本属性的观测量作为主要特征，这些主要特征就构成特征空间。 判决规则：由某些知识和经验可以确定的分类准则。 根据适当的判决规则，把特征空间里的样本区分成不同的类型，从而把特征空间塑造成了――类型空间。 决策面：不同类型之间的分界面。 类型空间的维数与类型的数目相等，一般小于特征空间的维数。 分类判决：由特征空间到类型空间所需要的操作就是分类判决。 预处理 模式空间里，针对具体的研究对象，往往需要进行适当的预处理。预处理的功能包括： 清除或减少模式采集中的噪声及其它干扰，提高信噪比。 消除或减少数据图像的模糊及几何失真，提高清晰度。 转变模式的结构，以便后续处理（如非线性模式转为线性模式）。 预处理的方法：滤波、变换、编码、标准化等。 特征提取/选择 一般的情况，人们对客观世界里的具体物体或事件进行模式采集时，总是尽可能多的采集测量数据，造成样本在模式空间里的维数很大。模式维数很大首先带来的问题是处理的困难，处理时间很长，费用很高，有时甚至直接用于分类是不可能的，即所谓“维数灾难”。 特征提取/选择的目的目标，就是要压缩模式的维数，使之便于处理，减少消耗。 特征提取往往以在分类中使用的某种判决规则为准则，所提取的特征使在某种准则下的分类错误最小。为此，必须考虑特征之间的统计关系，选用适当的正交变换，才能提取最有效的特征。选择对分类贡献较大的特征，删除贡献甚微的特征。 分类 分类目标： 把特征空间划分成类型空间。 把未知类别属性的样本确定为类型空间的某一个类型。 在给定条件下，可以否定样本属于某种类型。 实际分类过程中，对于预先给定的条件，分类中出现错误是不可避免的。因此，分类过程只能以某种错误率来完成。显然，错误率越小越好。但是，分类错误率又受很多条件的制约：分类方法、分类器设计、选用的样本及提取的特征等。因此，分类错误率不能任意小。 此外，分类错误率的分析、计算也很困难，只有在较简单的情况下才能有解析的解。分类错误率是分类过程中的重要问题。 2 模式识别系统 1.模式采集组合 目的：完成模式的采集。 方法：根据处理对象的不同，可以选用不同的传感器、测量装置、图像录取输入装置等。采集之后，还要进行滤波、消除模糊、减少噪声、纠正几何失真等预处理操作。 2.特征提取组合 目的：实现由模式空间到特征空间的转变，有效压缩维数。 一般来说，特征提取组合应该是在一定分类准则下的最佳或次佳变换器，或是实现某特征选择算法的装置。 3.分类器 目的：实现对未知类别属性样本的分类判决。 为了设计分类器，首先要确定对分类错误率的要求，选用适当的判决规则。但是为了使分类器能有效地进行分类判决，还必须对它进行训练。也就是，分类器