模式识别与人工智能PPT.pptxVIP

模式识别与人工智能主 讲： 王丽会E-mail： wlh1984@单 位:计算机科学与技术学院关于本课程的有关说明 ★ 课程对象 ★ 相关学科 ★ 教学方法 ★ 教学目标 ★ 基本要求 ★ 教材/参考文献★ 课程对象计科专业本科生的专业课学院硕士研究生的学位课 学院博士研究生的选修课之一★ 相关学科●统计学●概率论●线性代数（矩阵计算）●形式语言●人工智能●图像处理●计算机视觉 等等★ 教学方法●着重讲述模式识别的基本概念，基本方法和算法原理。●注重理论与实践紧密结合 实例教学：通过实例讲述如何将所学知识运用到实际应用之中●避免引用过多的、繁琐的数学推导★ 基本要求●基本：完成课程学习，获得学分。●提高：能够将所学知识和内容用于课题研究，解决实际问题。★教材/参考文献孙即祥，现代模式识别，国防科技大学出版社，2003年。吴逸飞译，模式识别－原理、方法及应用，清华大学出版社，2003年。Richard Duda, Peter Hart, David Stork, Pattern Classification, 2nd edition, John Wiley, 2001《模式识别》清华大学出版社，边肇祺，张学工Deep learning，Goodfellow，Bengio ★重要期刊1. IEEE Transaction on Pattern Analysis and Machine Intelligence，PAMI2. Pattern Recognition3. Pattern Recognition Letter4. 模式识别与人工智能讲授课程内容及安排Part1： 引论Part2： 特征提取和选择Part3： 聚类分析Part4： 分类算法 Part1：引论1.1模式识别概述1.2人工智能概述1.3概率基础知识回顾 特征矢量和特征空间 随机矢量的描述Part1：引论1.1模式识别概述概念模式识别(Pattern Recognition)：确定一个样本的类别属性（模式-类）的过程，即把某一样本归属于多个类型中的某个类型。概念样本（Sample)：一个具体的研究（客观）对象。如患者，某人写的一个汉字，一幅图片等。模式(Pattern)：对客体（研究对象）特征的描述（定量的或结构的描述），是取自客观世界的某一样本的测量值的集合（或综合）。概念Pattern Example:Eg1:hand gesture patternsbiometric patterns概念Pattern Example:Eg2:Loan/Credit card applications Income, # of dependents, mortgage amount ? credit worthiness classification.Dating servicesAge, hobbies, income ?“desirability” classificationWeb documentsKey-word based descriptions (e.g., documents containing “football”, “NFL”) ? document classification.概念特征(Features)：能描述模式特性的量（测量值）。在统计模式识别方法中，通常用一个矢量 表示，称之为特征矢量，记为 光泽度长度宽度可选特征Salmon(鲑鱼) 与Sea bass (鲈鱼)分类系统概念模式类(Class)：具有某些共同特性的模式的集合。例子：以身高为例,模式：身高：167cm, 180cm, 156cm, 176cm,…模式类：高个头、中等个头、矮个头；模式识别的例子计算机自动诊断疾病:获取情况(信息采集) 测量体温、血压、心率、血液化验、X光透射、B超、心电图、CT等尽可能多的信息，并将这些信息数字化后输入电脑。当然在实际应用中要考虑采集的成本，这就是说特征要进行选择的。运行在电脑中的专家系统或专用程序可以分析这些数据并进行分类，得出正常或不正常的判断，不正常情况还要指出是什么问题。对象空间模式空间特征空间类型空间各类空间（Space)的概念模式识别三大任务模式采集：从客观世界（对象空间）到模式空间的过程称为模式采集。特征提取和特征选择：由模式空间到特征空间的变换和选择。类型判别：特征空间到类型空间所作的操作。待识对象识别结果二次特征提取与选择分类识别数据采集特征提取模式识别系统通常能描述对象的元素很多，为节约资源和提高处理速度，有时更为了可行性，在满足分类识别正确率要求的条件下，按某种准则尽量选用对正确分类识别作用较大的特征。使得用较少的特征就能完成分类识别任务。分类识别是根据事先确定的分类规则对前面选取的特征进行分类（即识