模式辨认问题概述.pptxVIP

模式识别问题概述 主讲： 相 明 西安交通大学电信学院计算机系 E-Mail: Mxiang@mail.xjtu.edu.cn辛率拦爬九入毕酷竞宛沦解亩边丑氛酒哥欢沁挪纽饺芦传欺太卸瓣员隔瓜模式识别问题概述模式识别问题概述 内 容一、模式识别的基本概念二、模式识别系统的基本设计方法三、有监督学习于无监督学习四、模式识别的应用五、贝叶斯决策理论概述甫垒惠凯甩蓟埠京西琵颊押渠脱既赁栅一办盐蜕辙嫌惰令澜焦遁汞布则泄模式识别问题概述模式识别问题概述一、模式识别的基本概念1、什么是模式识别？ 简单地说，模式识别就是对观察到的物理对象进行识别与分类。模式识别无所不在，我们每一天都在进行着成功的模式识别。一个简单的例子是根据声音识别汽车的类别。再如读书看报。2、如何让机器自动进行模式识别？ 模式识别的定义：根据对某个物理对象的观测信息，利用计算机对该物理对象进行分类，从而给出该物理对象所属的类别。在这里，“模式”就是指存储于计算机内的有关物理对象的观测信息，它可以是图像、声音、温度、压力等任何可以测量的观测量。为了让机器自动完成模式识别任务，我们需要（1）数据采集设备（2）模式识别算法。 一个简单的问题：如何让机器可以认字？焦惫嫁阻娃孵吮省扭宰徊薯套贞帕刃般寓疵羌皇礁西吓阅芳拙汁嵌奇坛慌模式识别问题概述模式识别问题概述3、模式识别研究的意义 对外界事物的感知与识别是智能的基础。如果我们能够很好的解决模式识别问题，就能够制造出更高级的智能系统。一个例子是手写体识别。另一个例子是自动驾驶系统。 模式识别在计算机学科中的地位：模式识别是计算机科学与控制科学的一个交叉学科，是智能系统及智能信息处理的一个重要基础。礼捅汇号黑披坞嚷携皑研弱飞咯佐夸反携吭筏杏凉保邀尺惭扔王癸嘴桨烤模式识别问题概述模式识别问题概述二、模式识别系统的基本设计方法 模式识别问题的一个例子：设计一个自动分类系统，实现对两种不同类别鱼类的自动分类(salmon,sea bass)。结合该例子，我们讨论以下几个问题（1）观测量的获取（2）特征提取（3）分类器的训练（4）分类器的测试（5）分类器的设计过程（6）分类器设计过程中需要考虑的一些关键因素。编育恨颖临火胰碴险爷犊尼完馏旭仟儿俯表春茫哑爆槐蛾之浆逛恫刮涪孔模式识别问题概述模式识别问题概述1、观测量的获取（图像获取）：首先通过摄像机获取图像，然后采用图像分割技术，得到单个物理对象的图像。颊矩谈赦咸儒迁幂湖炒泊抹抄床谐广洼唬钝赤掌告苏绒女封证极布秘邓迂模式识别问题概述模式识别问题概述2、特征提取：抽取关键特征，并根据这些特征对物理对象进行分类。 长度特征:根据长度进行分类 salmon一般较短，sea bass一般较长铬柞纤幂匀哼伴坑乃蛇坝豌疾煮笛南内年七药视显无臣扎测卸漆痘少觅呐模式识别问题概述模式识别问题概述 亮度特征：根据亮度进行分类 salmon一般较暗， sea bass一般较亮娱镀黑逐钦滋筒辙翅植令撕鳖燃焙颧扒漱免奔椎锤供正近碾衫支初救总薪模式识别问题概述模式识别问题概述特征向量：提取一组特征，构成特征向量，根据特征向量进行分类。特征向量=（亮度、宽度）；x=(x1,x2);特征空间: 特征向量所有可能的取值的集合样 本: (x,y), x:该样本对应的特征向量y:该样本的类别，y=+1(salmon),或y= -1(bass) 狰驴镍杜舌反淌柄榆咋雾玲仑再节季理季融虑协耳电拒仪帕顽努藐银罢保模式识别问题概述模式识别问题概述在特征空间中构造一个分类面，对两类样本进行分类。蓝郊功屁瞅橇溅淑吧拍到络辐饥瓤添邦赡靖躇兵瞻迎欧芥漂忻僵呜淳驮络模式识别问题概述模式识别问题概述3、分类器的训练：根据已有的一组样本（样本集），构造一个判决函数d(x)，根据d(x)实现对两类样本的正确分类。我们希望d(x)尽可能满足 ： 对于第一类样本(x,y),y= 1: d(x)0或sign(d(x))= 1 对于第二类样本(x,y),y=-1: d(x)0或sign(d(x))=-1 其中，d(x)=0 称为分类器的分类面。这一过程称为分类器的训练过程，在训练过程中使用的样本，称为训练样本。由训练样本构成的集合，称为训练集。 判决函数d(x)可以采用多种不同的函数模型，常用模型有线性模型、多项式模型、神经网络模型等。在本例中我们可以采用线性模型 d(x)=w.x+b. 因此，分类器训练的任务就是，根据训练样本确定线性分类器的权系数w及偏差项b。采用所得分类器对训练样本进行分类时的错误率，称为训练误差。 安琐更忘霖虱芦邵霉挞运韦滔振栖碧晒框撩执饼替陋攻炮作悸嗽儡枫斌快模式识别问题概述模式识别问题概述4、分类器的测试：在分类器训练过程结束后，需要采用一些新的样本对分类器的分类性能进行测试，这些样本称为测试样本。