模式识别概论讲义.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 模式分类器的评测过程 数据采集 特征选取 模型选择 训练和测试 计算结果和复杂度分析，反馈 训练和测试 　训练集 是一个已知样本集，在监督学习方法中，用它来开发出模式分类器 测试集 在设计识别和分类系统时没有用过的独立样本集 训练和测试（续） 系统评价原则 为了更好地对模式识别系统性能进行评价，必须使用一组独立于训练集的测试集对系统进行测试 实例：统计模式识别 19名男女同学进行体检，测量了身高和体重，但事后发现其中有4人忘记填写性别，试问（在最小错误的条件下）这4人是男是女？体检数值如下： 实例：统计模式识别（续） 待识别的模式：性别（男或女） 测量的特征：身高和体重 训练样本：15名已知性别的样本特征 目标：希望借助于训练样本的特征建立判别函数（即数学模型） 实例：统计模式识别（续） 由训练样本得到的特征空间分布图 实例：统计模式识别（续） 从图中训练样本的分布情况，找出男、女两类特征各自的聚类特点，从而求取一个判别函数（直线或曲线） 只要给出待分类的模式特征的数值，看它在特征平面上落在判别函数的哪一侧，就可以判别是男还是女了 实例：句法模式识别 问题描述：如何利用对图像的结构信息描述，识别如下所示图片： 实例：句法模式识别（续） 将整个场景图像结构分解成一些比较简单的子图像的组合 子图像又用一些更为简单的基本图像单元来表示，直至子图像达到了我们认为的最简单的图像单元（基元） 所有这些基元按一定的结构关系来表示，利用多级树结构对其进行描述（这种描述可以采用形式语言理论） 实例：句法模式识别（续） 多级树描述结构 实例：句法模式识别（续） 训练过程 用已知结构信息的图像作为训练样本，先识别出基元（比如场景图中的X、Y、Z等简单平面）和它们之间的连接关系（例如长方体E是由X、Y和Z三个面拼接而成），并用字母符号代表之 然后用构造句子的文法来描述生成这幅场景的过程，由此推断出生成该场景的一种文法 实例：句法模式识别（续） 识别过程 先对未知结构信息的图像进行基元提取及其相互结构关系的识别 然后用训练过程获得的文法做句法分析 如果能被已知结构信息的文法分析出来，则该幅未知图像与训练样本具有相同的结构（识别成功），否则就不是这种结构（识别失败） 相关数学概念 随机向量及其分布 随机向量 分布函数 给定类别的条件密度函数 随机向量的参数 正态分布 一维正态密度函数 多维正态密度函数 小结 　模式和模式识别的概念 模式识别的发展简史和应用 模式识别的主要方法 模式识别的系统 几个相关的数学概念 * * * * * * * * * * * * * 模式识别的基本问题 一.模式(样本)表示方法 向量表示 : 假设一个样本有n个变量(特征) Ⅹ= (X1,X2,…,Xn)T 2. 矩阵表示: N个样本，n个变量(特征) 3. 几何表示 一维表示 X1=1.5 X2=3 二维表示 X1=(x1,x2)T=(1,2)T X2=(x1,x2)T=(2,1)T 三维表示 X1=(x1,x2, x3)T=(1,1,0)T X2=(x1,x2 , x3)T=(1,0,1)T 4. 基元（链码）表示： 在右侧的图中八个基元 分别表示0，1，2，3， 4，5，6，7，八个方向 和基元线段长度。 则右侧样本可以表示为 X1=006666 这种方法将在句法模式识 别中用到。 模式类的紧致性 1. 紧致集：同一类模式类样本的分布比较集中，没有或临界样本很少，这样的模式类称紧致集。 2. 临界点(样本)：在多类样本中，某些样本的值有微小变化时就变成另一类样本称为临界样本（点）。 3. 紧致集的性质 ① 要求临界点很少 ② 集合内的任意两点的连线,在线上的点属于同 一集合 ③ 集合内的每一个点都有足够大的邻域,在邻域内只包含同一集合的点 4. 模式识别的要求:满足紧致集，才能很好的分类；如果不满足紧致集，就要采取变换的方法,满足紧致集. 相似与分类（1） 1.两个样本xi ，xj之间的相似度量满足以下要求： ① 应为非负值 ② 样本