[整理]第1章 绪论.pptVIP

模式识别讲义第1章 绪论;教学方式;教材;模式与模式识别的概念 模式识别的主要方法 监督模式识别与非监督模式识别 模式识别系统的典型构成 模式识别系统应用举例;一、模式识别 ;模式识别和模式的概念;1. 模式识别(Pattern Recognition): 使计算机模仿人的感知能力，从感知数据中提取信息（判别物体和行为）的过程。 模式识别作为一门学科，是研究用机器完成自动识别事物的工作； 研究内容：使计算机做以前只能由人类才能做的事，具备人所具有的、对各种事物或现象进行分析、描述与判断的部分能力。 模式识别学科形成于50~60年代，与众多学科有联系，尤其与人工智能和图像处理关系密切。;模式与模式类;模式类;3. 识别最基本的方法：计算 计算机根据已研制的识别算法，把输入的未知模式划入正确类别中，从而实现自动分类。识别算法中的关键环节就是要对待识别事物与标准 “模板”的相似程度进行计算。 ;;二、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。统计模式识别是模式识别的主要理论。 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，支持向量机受到了很大的重视。 2000年，流形学习（manifold learning）：流形学习就是从高维采样数据中恢复低维流形结构，即找到高维空间中的低维流形，并求出相应的嵌入映射，以实现维数约简或者数据可视化. 2005年，稀疏表示（sparse representation）：近年来有关生理学的研究成果表明：人类的视觉系统具有对图像的稀疏表示特性,神经元对于输入图像的激活机制具有高度的稀疏性. ;三.关于模式识别的国内、国际学术组织;四、模式识别的应用 多媒体数据检索（文档、图像、视频、音乐检索 ） 字符识别（印刷体字符的识别；手写体字符的识别（脱机/联机），信函分拣、支票查对、自动排板、稿件输入等） 医疗诊断（心电图，脑电图，染色体，癌细胞识别，疾病诊断等） 工程（产品缺陷检测、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、自动目标识别等） 安全监控（基于生物特征的身份识别、视频监控、交通监控、音视频监听）;现有生物特征识别类型;模式识别和模式的概念;§1.4 模式识别系统的典型构成;拉拾篙籽痪贺隙漳猾钎砷叉施疲为畦扩括鸯抓痘纬甜注勘卿污陷缠铆阐铣第1章 绪论第1章 绪论;;（1）信息获取：用不同形式的传感器构成，实现信息获取与信息在不同媒体之间的转换，非电信号转换成电信号。;（2）预处理 去除所获取信息中的噪声，增强有用的信息，及一切必要的使信息纯化的处理过程。 预处理这个环节内容很广泛，与要解决的具体问题有关，例如，从图象中将汽车车牌的号码识别出来，就需要先将车牌从图像中找出来，再对车牌进行划分，将每个数字分别划分开。做到这一步以后，才能对每个数字进行识别。以上工作都应该在预处理阶段完成。 ; 特征选择和提取:选择什么样的方法来描述事物，从而可以有效、牢靠地把事物正确地区分开。 ;（4）分类器设计与分类决策 分类器设计：将该特征空间划分成由各类占据的子空间，确定相应的决策分界和判决规则，使按此类判决规则分类时，错误率最低。把这些判决规则建成标准库。 分类决策：分类器在分界形式及其具体参数都确定后，用相应的决策分界对待分类样本进行分类决策的过程。 ;蔓兴徘根砖伺专辨辫疟瞒你臀软妥朔朱掳芬勿乌娘拯煤划盗京迷莲挺吓钙第1章 绪论第1章 绪论;一个例子;用长度作为特征;用亮度作为特征;当鲑鱼的数量比鲈鱼多时;用亮度和宽度作为特征;复杂的模型;最优折衷;有关模式识别的若干问题;分类器设计难易程度与模式在特征空间的分布方式有密切关系。 ;特征提取：改善数据的紧致性 ;3. 距离和相似性度量 在特征空间中用特征向量描述样本的属性，把相似性度量用距离量表示。 给定一个输入样本集合 ，用D维空间中的一个点表示某个样本，可以选择某个随距离增加而下降的函数f作为两个样本 和 之间相似性度量 ;人脸识别简介;我侈镇哉釉牺蔚毡咒惫修床邮牟奄肯炽遮痕彝闽抹篇绥豪巾僧毛旷挝惧袒第1章 绪论第1章 绪论;陡豫壕粤艺熙丹褥午韵赫银革改颐磋贩越奋名窿吱孔桌胡疼卸摆傀惺秤孟第1章 绪论