模式识别1方案策划.ppt

Applied Pattern Recognition CSE616 模式识别存在的问题 模式识别是一门快速发展的新兴学科，涉及到多学科、多领域的复杂问题 和生物认知系统相比，现有人工模式识别系统的适应和识别能力还远远不能令人满意 模式识别的许多理论和基本方法方面的问题还远没有得到解决 新问题层出不穷 传统方法均存在一定的局限性 Applied Pattern Recognition CSE616 模式识别的理论基础 概率论与数理统计 随机过程 线性代数 优化方法 形式语言学 Applied Pattern Recognition CSE616 模式识别的基本方法 模式识别方法 经典方法 现代方法 统计决策方法 句法方法 神经网络方法 模糊模式识别 Applied Pattern Recognition CSE616 模式识别的基本方法 统计决策法 基于模式的定量描述与统计规律的识别方法，是模式识别最经典、最成熟的方法，目前广泛应用于模式识别的各个领域 原理： 样本 观测值 特征 概率统计 决策准则 分类 Applied Pattern Recognition CSE616 模式识别的基本方法 统计方法 鲑 鱼 鲈 鱼 决策标准：判别边界 Applied Pattern Recognition CSE616 模式识别的基本方法 句法方法 基于模式的空间结构特征的定性描述与形式语言学的方法，广泛应用于字符识别、图像识别等领域 原理： 样本 基元 字符串 形式语言 文法 分类 Applied Pattern Recognition CSE616 模式识别的基本方法 句法方法 定义基元： Applied Pattern Recognition CSE616 模式识别的基本方法 模糊模式识别 基于模糊数学和统计分析的识别方法，在不能明确描述模式特征和结构的复杂模式识别问题中得到了成功应用 根据隶属度和模糊文法进行分类 模糊模式类 很像三角形的图形 远大于2的整数 清晰模式类 三角形 大于2的整数 Applied Pattern Recognition CSE616 模式识别的基本方法 神经网络方法 基于现代生物学和认识科学对人类信息处理的研究成果 采用人工神经网络模型，使识别和处理过程更接近人类的思维过程 Applied Pattern Recognition CSE616 模式识别的基本方法 输入层( i ) 输入层( j ) 输入层( k ) W i j W j k 神经网络方法 Applied Pattern Recognition CSE616 模式识别的基本方法 神经网络方法 人工神经网络由相互广泛连接的神经元组成，信息分布于神经网络中 每一节点的输入为前一层所有节点输出的加权和 通过已知类别样本的学习，调整各节点之间的加权系数 具有自适应学习能力，适用于并行计算与处理 Applied Pattern Recognition CSE616 模式识别的一般过程 无论采用何种方法，模式识别一般都要包括下列两个基本过程 模式识别 学习过程（设计过程） 识别过程（实现过程） Applied Pattern Recognition CSE616 模式识别Pattern Classification 第一章: 模式识别概述 Applied Pattern Recognition CSE616 一个例子 通过光学感知手段，将传送带上的鱼进行自动分类 鲈鱼 鱼类 鲑鱼 Applied Pattern Recognition CSE616 问题分析 架设一台摄影像机，拍摄若干样品的图像 提取用于区分两类鱼的有效特征(feature) 长度 光泽度 宽度 鳍的数目和形状 嘴的位置，等等……. 上述参数即是我们对两类鱼进行分类的备选特征 Applied Pattern Recognition CSE616 预处理（preprocessing） 去除干扰，图像增强 采用图像分割技术将不同的鱼分离开来，或者将鱼同背景分开 特征提取（feature extraction） 将每条鱼的数据送入特征提取器，通过测量特定的“特征”或“属性”来简化原始数据类 将特征送入分类器，以便进行分类 Applied Pattern Recognition CSE616 鲑 鱼 鲑 鱼 鲈 鱼 Applied Pattern Recognition CSE616 分类（Classification） 根据先验知识：鲈鱼长度一般要比鲑鱼大 选择长度（length）作为可能的分类特征 获取足够多的样本（训练样本）进行统计（直方图） 确定合适的长度临界值 L* 作为分类标准 Applied P