模式识别基础PPT.ppt

实例：句法模式识别 问题：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。 结构模式识别 该方法通过考虑识别对象的各部分之间的联系来达到识别分类的目的。 识别采用结构匹配的形式，通过计算一个匹配程度值（matching score）来评估一个未知的对象或未知对象某些部分与某种典型模式的关系如何。 当成功地制定出了一组可以描述对象部分之间关系的规则后，可以应用一种特殊的结构模式识别方法 – 句法模式识别，来检查一个模式基元的序列是否遵守某种规则，即句法规则或语法。 神经网络 神经网络是受人脑组织的生理学启发而创立的。 由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以在不同的神经元之间传递增强或抑制信号。 增强或抑制是通过调整神经元相互间联系的权重系数来（weight）实现。 神经网络可以实现监督和非监督学习条件下的分类。 1.4模式识别系统 模式识别系统的基本构成 数据获取 特征提取和选择 预处理 分类决策 分类器设计 模式识别系统组成单元 数据获取：用计算机可以运算的符号来表示所研究的对象，即通过各种传感器，将光或声音等信息转化为电信息，或者将文字信息输入计算机 --例1、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。 --例2、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。 因此信号获取环节主要是由不同形式的传感器构成，它实现信息获取与信息在不同媒体之间的转换。 模式识别系统组成单元 信息可以分成： 一维波形：声波，心电图，脑电图等 二维图象：文字，图象等 物理量：人的身高、体重，商品的重量、质量级别等 逻辑量（0/1)：有无、男女等 模式识别系统组成单元 预处理单元：其目的为 1）清除或减少模式采集中的噪声及其它干扰，提高信噪比。 2）消除或减少数据图像的模糊及几何失真，提高清晰度。 3）转变模式的结构，以便后续处理（如非线性模式转为线性模式）。 预处理方法:有一维信号滤波去噪，图象的平滑、增强、恢复、滤波、分割等 心电图 图像去噪 模式识别系统组成单元 特征提取和选择：对原始数据进行变换，得到最能反映分类本质的特征，选择不变性特征 模式识别系统组成单元 特征提取/选择的必要性 模式维数很大的问题是处理时间很长，费用很高，有时甚至直接用于分类是不可能的，即所谓“维数灾难”。另外，有些数据坐标对刻划事物的本质贡献不大，甚至很小。 特征提取准则 1）考虑特征之间的统计关系，选用适当的正交变换，提取最有效的特征，降低数据冗余。 2）特征提取的分类准则：在该准则下，选择对分类贡献较大的特征，删除贡献甚微的特征。 ? 模式识别系统组成单元 分类器设计：根据训练样本集，确定判决规则，使得按这样判决规则对被识别对象进行分类时，错误率最小、损失最小或者某一准则函数值最小，即将该特征空间划分成由各类占据的子空间(决策域)，确定相应的决策分界。 模式识别系统组成单元 模式识别系统组成单元 分类决策：用相应的决策分界对待分类样本进行分类决策的过程。 例：如图所示为一个二维特征空间两类物体的分布状况，其中x1与x2分别为两个特征坐标。由于各类样本分布呈现出聚类状态，因此可以将该特征空间划分成由各类占据的子空间，确定相应的决策分界。一般说来采用什么样式的分界由设计者决定，如本题中二维特征空间中可用直线、折线或曲线作为类别的分界线。分界线的类型可由设计者直接确定，也可通过训练过程产生，但是这些分界线的具体参数则利用训练样本经训练过程确定。 分类决策过程是指分类器在分界形式及其具体参数都确定后，对待分类样本进行分类决策的过程。在图所示的情况中，待识别样本按处于分界线左下方，或右上方分类。 x2=ax1+b 例如右图为两类别样本在二维特征空间中的分布。其中两类别样本分别用“×”与“△”表示。从图中可见这两类样本在二维特征空间中有相互穿插，也就是说这两