.1第一章绪论.pptVIP

模 式 识 别北京科技大学计算机系郝 红 卫;第一章 绪 论;课 程 简 介;课 程 简 介;课 程 简 介;课 程 简 介;课 程 简 介;课 程 简 介;课 程 简 介;课 程 简 介;Pattern ClassificationRichard O. Duda Peter E. Hart David G. Stork;课 程 简 介;课 程 简 介;设 计 实 例;问题分析 采用摄像机获取图像，根据图像对鱼进行分类。 可能遇到的问题： 目标的提取——预处理 分类的依据——特征提取 判别的规则——分类器设计 ;设 计 实 例;预处理 方便后续操作，同时又不损失关键信息。 去除噪声 光照调整 目标提取 方向、位置调整 大小规一化 …… 在本例中需要采用分割技术将鱼和鱼、鱼和背景分开;设 计 实 例;分类 根据某种判决规则将被识别对象归为某一类别。 基本方法是在训练样本集上确定某个判决规则，使按这种判决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。;设 计 实 例;结论 单独使用长度错误率太高 必须考虑其它特征 改进措施 采用光泽度进行新的尝试;设 计 实 例;运用多种特征 光泽度和宽度 鱼 xT = [x1, x2];设 计 实 例;我们可以尝试增加其他特征，但必须注意两点： 新增特征与已有特征不相关 不会引起性能的下降 我们还可以改进分类器模型，达到如下图所示的效果：; ;讨论 这样的效果好吗？ ;设 计 实 例;设 计 实 例;设 计 实 例;决策边界和损失 如果两种错误代价相同，则以最小错误率为准则；如果两 种错误代价不等，则以最小风险为准则。 可以调整将阈值边界，确定最优的分界点。 确定某种决策规则，使得决策所引起的损失最小，这是决策理论的核心任务。;模 式 识 别 系 统;模 式 识 别 系 统;模 式 识 别 系 统;模 式 识 别 系 统;模 式 识 别 系 统;模 式 识 别 系 统;设 计 循 环;设 计 循 环;数据采集 数据采集耗时费力花钱； 数据要尽量多； 数据要有代表性； 数据至少应分为训练数据和测试数据； 如何确定数据是否足够？;设 计 循 环;模型选择 有很多分类器模型可供选择； 不同的模型适用于不同的问题； 尽量使选择的模型与实际问题相符； 如何知道应该拒绝某类模型而去尝试其他模型？;训练 利用样本数据来确定分类器参数的过程称为分类器的训练； 实践表明，基于样本学习的方法是目前设计分类器的最有效的方法； 基于样本学习的方法是分类器设计的核心，是模式识别的核心，也是本课程的核心； 如何组织训练样本、确定训练参数？;评估 评价系统性能； 决定是否需要改进系统的组成部件； 避免过拟合（Overfitting），所谓过拟合，是指系统过于复杂，以至于对训练样本集识别率很高，但对于新样本则可能效果不佳； 折中模型的复杂程度，既不能太简单以至于不足以描述模式类间的差异，又不能太复杂而对新样本的分类能力太差； 是否存在原则性的方法能确定分类器具有最佳的复杂度？;计算复杂度 考虑不同算法的计算资源消耗和计算复杂度有着重要的实践意义。 要考虑某个算法的计算复杂度是特征维数、模式数目、类别数的什么函数？ 如何在算法性能和计算复杂度之间进行折中？;学 习 和 自 适 应;学 习 和 自 适 应;小 结;小 结;小 结;小 结