模式识别郝旷荣Chap1〔MSSB–HKR〕.pptVIP

模式识别PATTERN RECOGNITION 信息科学与技术学院 郝矿荣 E-mail: krhao@dhu.edu.cn §1.3 模式识别系统(三) 车牌识别系统不足之处 特征提取的方法不足之处是特征需要手工设计，工作量较大。 PCA( Principal Components Analysis) 方法在一定程度上解决了这个问题。它可以从大量样本中训练得到每一类的特点。但是它也有不足之处，就是样本的对齐(align)问题，如果训练时没有对齐，对训练结果会有影响，而如果识别时没有对齐，也会产生错误的识别结果。 §1.3 模式识别系统(四) 信息获取 计算机都只能处理某种形式的电信号，而待识别的样本大都是非电信息，例如癌细胞病理切片，语音信号，待识别文本，图像等。 将以各种不同形式表现的信息通过传感器转换成电信号。如用话筒将声音信号转换成电信号，表现出电压(电流)随时间变化的复杂波形。景物信息在摄像机靶面成像并转换成二维的象素矩阵，每个像素(矩阵元素)的电信号与物体表面反射的光强或颜色信息呈现函数关系。 信号获取环节主要是由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。 §1.3 模式识别系统(四) 预处理 预处理主要是指去除所获取信息中的噪声，增强有用的信息，及必要的使信息纯化的处理过程。 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。 §1.3 模式识别系统(四) 特征选择和提取 测量空间：由所使用的量测仪器或传感器获取的原始数据组成的空间。因此特征的选择与提取模块的功能是：对所获取的信息实现从测量空间到特征空间的转换。 特征提取模块将原始量测数据转换成有效方式表示的信息，从而使分类器能根据这些信息决定样本的类别。前面说过待识别的样本及模式都是用特征进行描述的，识别与训练都是在特征空间中进行的。 §1.3 模式识别系统(四) 特征选择和提取-举例 印刷体数字大多通过扫描仪输入，或从图像中获取。这样一来，一个数字往往用一个N×M的数组表示。如果N＝5，M＝7，则一个数字就用5×7共35个网格是黑是白来表示。如令是黑为“1”，是白为“0”，那么一个数字就可用35维的二进制向量表示。这就是典型的特征向量表示法。 §1.3 模式识别系统(五) 分类决策 模式识别系统工作有两种方式，即训练方式和分类决策方式。训练方式是指在已确定的特征空间中，对作为训练样本的量测数据进行特征选择与提取，得到其在特征空间的分布，依据这些分布决定分类器具体参数。 §1.3 模式识别系统(五) 分类决策-分类决策方式。 由事物的属性得到它的特征向量，在特征空间中表示成一个点，称为数据点。 在特征空间的分布中往往表现出同类事物的特征向量聚集在一起。因此待识别的事物，如果它的特征向量出现在某一类事物经常出现或可能出现的区域，该事物就被识别为该类事物。 在特征空间中哪个区域是某类事物典型所在区域需要用数学式子划定，满足这种数学式子与否就成为分类决策的依据。 确定这些数学式子就是分类器设计的任务。 * 教材及参考书目： 模式识别 边肇祺、张学工等 清华大学出版社 图像处理、分析与机器视觉 Image Processing, Analysis and Machine Vision Milan Sonka 等著 人民邮电出版社 模式识别PATTERN RECOGNITION 第一章 绪论 第二章 贝叶斯决策理论与统计判别方法 第三章 概率密度函数的估计 第四章 非参数判别分类方法 第五章 描述量选择及特征的组合优化 第六章 非监督学习法 授课内容 模式识别PATTERN RECOGNITION 考核形式： 大作业 30% 期末考试 70% 第一章 绪论 §1.1 模式识别和模式的概念 §1.2 模式的描述方法 §1.3 模式识别系统 §1.4 有关模式识别的若干问题 §1.5 本书内容及宗旨 第一章 绪论 本章要点、难点　　本章重点是要弄清“模式识别”的名词含义，从而弄清这门课能获得哪方面的知识，学了以后会解决哪些问题。 第一章 绪论 重点：　　1、模式识别的含义，模式的概念　　2、模式的描述方法　　3、模式识别系统的组成　　4、模式识别利用训练样本设计分类 器的原理，两种最基本的分类方 法的原理 第一章 绪论 难点：　1、 模