模式识别-第一章概论技术知识.ppt

5 一些基本问题 ② 欧几里德距离 ① 绝对值距离 ③明考夫斯基距离 其中当q=1时为绝对值距离，当q=2时为欧氏距离 5 一些基本问题 ④ 切比雪夫距离 ⑤ 夹角余弦 x4 x5 x1 x2 x3 因为x1 , x2 的夹角小， 所以x1 , x2 最相似。 其中Xi ，Xj为特征向量， 为协方差矩阵。 使用于N个样本的集合中两个样本之间求M氏距离： ⑤ 马哈拉诺比斯（Mahalanobis)距离 N——样本个数 例：马哈拉诺比斯（Mahalanobis)距离： 设X1=（0,0)T, X2=（0,1) T, X3=（1,0) T, X4=（1,1) T.则N=4， 两点之间的马氏距离 X1 X2 X3 X4 两点之间的欧氏距离 都具对称性。但数值不同。 欧氏距离的计算步骤： 1.求样本均值； 2.求协方差矩阵； 3.求协方差矩阵的逆矩阵； 4。按公式求两点间马氏距离。 如：1，3，5，7，9与2，4，6，8，10的相关系数为1； 1，3，5，7，9与10，8，6，4，2的相关系数为-1； 注意：在求相关系数之前，要将数标准化 *相关系数 分别的均值: 其中，Xi=(xi1,xi2,…,xin), Xj=(xj1,xj2,…,xjn). 分类的主观性和客观性 ① 分类带有主观性：目的不同，分类不同。例如：鲸鱼，牛，马从生物学的角度来讲都属于哺乳类，但是从产业角度来讲鲸鱼属于水产业，牛和马属于畜牧业。 ② 分类的客观性：科学性 判断分类必须有客观标准，因此分类是追求客观性的，但主观性也很难避免，这就是分类的复杂性。 靠哪些特征决定相似并进行分类，取决于行为的目的和方法。 5 一些基本问题 范例 木板 图象 512×512 d=3 长度 纹理 亮度 c=2 松木\ 桦木 维数 无限 有限/ 很大R 有限d 不大c 模式识别过程 dR无限 模式采集 模式空间 特征提取/选择 类型空间 分类 特征空间 客观世界 待识别对象 识别过程 错误概率检测 制定分类的 判决规则 特征提取/选择方法校正 学习过程 采集方法校正 已知对象 预处理 应用领域 1.4 模式识别的应用 应用领域 生物医学：血细胞计数，染色体分类，心电脑电图 1.4 模式识别的应用 应用领域 文字处理：文字识别（印刷体，手写体汉字识别）； 办公自动化（机器翻译）； 银行（支票识别）； 邮局（邮政信函的自动分拣）。 遥感：资源普查（对地形地貌的分析，森林资源、海洋资源的普查，湖水面积的计算），地图识别…… 1.4 模式识别的应用 纸币识别器对纸币按面额进行分类 面额 系统实例 5元 10元 20元 50元 100元 长度(mm) 宽度(mm) 5元 136 63 10元 141 70 20元 146 70 50元 151 70 100元 156 77 磁性 金属条位置(大约) 5元 有 54/82 10元 有 54/87 20元 有 57/89 50元 有 60/91 100元 有 63/93 5元 10元 20元 50元 100元 1 2 3 4 5 6 7 8 反射光波形 数据采集、特征提取： 长度、宽度、磁性、磁性的位置，光反射亮度、光透射亮度等等 特征选择： 长度、磁性及位置、反射亮度 分类识别： 确定纸币的面额及真伪 从摄像头获取包含车牌的彩色图象 车牌定位和获取 字符分割和识别 输入图象 特征提取 粗略定位 分割字符 确定类型 精细定位 识别、输出 * * 在传送带上用光学传感器件对鱼按品种分类 鲈鱼(Seabass) 品种 鲑鱼(Salmon) 数据获取：架设一个摄像机，采集一些样本图像，获取样本数据 预处理：去噪声，用一个分割操作把鱼和鱼之间以及鱼和背景之间分开 识别过程 特征提取和选择：对单个鱼的信息进行特征选择，从而通过测量某些特征来减少信息量 长度 亮度 宽度 鱼翅的数量和形状 嘴的位置，等等 … 分类决策：把特征送入决策分类器 识别过程 识别过程 识别过程 识别过程 识别过程 模式识别的一些基本准则 奥卡姆剃刀原理 14世纪逻辑学家、圣方济各会修士奥卡姆的威廉提出一个原理“如无必要，勿增实体”，杀鸡焉用宰牛刀，在多种实现方法中提倡选择最简单的假设和模型，尽量不要把问题复杂化，尽力把没用的和会把问题复杂化的因素去掉。 北京邮电大学信息工程学院 北京邮电大学信息工程学院 王改华 TelEmail 湖北工