第2讲一个假想的模式识别系统分析.pptVIP

模式识别的困难性 实现鱼类分类原型系统还有什么困难？ 用计算机进行模式识别是一个非常困难的问题 对人脑中的模式识别过程不清楚 返回 实现原型系统的困难分析 很难用计算机把鱼和背景分开 鱼和鱼之间可能相邻甚至交叠 摄像速率和鱼的传送速率可能不匹配 在噪声较大时，很难准确地计算特征值 …… 返回 课堂练习 1.设计一个模式识别系统原型用来区分爬行动物和哺乳动物。 2. 设长方体的三个边长为x,y,z，假如它的表面积恒定为常数c，那么它的最大可能体积是多少？ 3.计算2阶矩阵 的特征根和单位特征向量 返回 第２讲 一个假想的模式识别系统的设计与分析 要点： 主要内容和目标 问题描述 模式识别系统的基本组成 原型系统的设计与分析 模式识别的困难性 课堂练习 主要内容和目标 通过设计和分析一个假想的鱼类分类原型系统，加深对模式识别系统5个主要模块的理解 返回 问题描述 设想有一个鱼类加工厂，希望能将传送带上的鱼的品种的分类过程自动进行。 如果鱼的品种只有鲑鱼(salmon)和鲈鱼(weever, sea bass)两种，那么应如何设计一个相应的模式识别原型系统。 返回 模式识别系统的基本组成 一个完整的模式识别系统主要由5个基本部分组成： 传感器 预处理 器 特征提取器 分类器 后处理 器 输入 决策 分割器 上下文信息调整 返回 传感器 传感器是一个模式识别系统的输入设备，比如摄像机、麦克风等。 返回 预处理器的主要作用是把对识别起主要作用的信息和背景噪声分割开来，因此又称为分割器。 返回 预处理器 特征提取器 特征提取器的作用是对输入产生一个类别相关的表达或描述，通常要求来自同一类别的不同样本的特征值应该非常接近，而来自不同类别的样本的特征值则应该有很大的差异。 返回 分类器 分类器的作用是根据特征提取器得到的特征向量来给一个被测对象赋予一个类别标记。 返回 后处理器 后处理器的功能通常是执行一个推荐的具体的动作，有时也可能采用“上下文信息”（context）来改善系统的性能。 返回 鱼类分类系统设计原型 返回 原型系统的分析 传感器的分析 预处理器的分析 特征提取器的分析 分类器的分析 后处理器的分析 返回 传感器的分析 传感器由摄像机构成，其作用是拍摄样品的图像，来区分鲑鱼和鲈鱼。 返回 预处理器的分析 预处理器必须能够自动调整平均光照度，或者进行阈值化处理，以除去传送带等背景成分，并尽可能把相互靠近的两条鱼的数据区分开。 返回 特征提取器的分析 特征提取器必须从鱼的图像数据中分析出一些识别相关的物理特性，并利用这些特性作为模式分类的基础。 其中物理特性包括长度、光泽、宽度、鳍的数目和形状、嘴的位置等等。 返回 分类器的分析 分类器必须能够选择一个或多个特征对两种鱼进行分类。 特征选择对分类正确率具有重要影响，不同的选择将产生不同的设计方案。 返回 分类器的设计方案 以长度作为特征设计分类器 以光泽度(lightness)作为特征设计分类器 以光泽度和宽度两个特征设计分类器 想一想：有没有其它更好的设计方案？ 返回 基于长度的分类器设计 假定经验表明鲈鱼一般要比鲑鱼长，那么鲈鱼将有某种典型长度，鲑鱼也将有某种典型长度。因此，长度就是一个明显的可用于分类的特征，可以仅仅通过看一条鱼的长度l是否超过某个临界值l*来判定鱼的种类。 临界值l*可通过两种鱼的长度特征直方图来确定。 返回 两种鱼的长度特征直方图 长度分类器的优缺点 优点：计算相对简单 缺点：无论怎样确定临界值l* ，长度特征都不足以把两种鱼完全分开 返回 基于光泽度的分类器设计 如果鲈鱼的光泽度一般要比鲑鱼大，那么鲈鱼将有某种典型光泽度，鲑鱼也将有某种典型光泽度，从而就可以利用光泽度作为分类特征。因此，仅仅通过看一条鱼的光泽度x是否超过某个临界值x*来判定鱼的种类。 临界值 x *可通过两种鱼的光泽度特征直方图来确定。 返回 两种鱼的光泽度特征直方图 光泽度分类器的优缺点 优点：分类正确率有所提高 缺点：无论怎样确定临界值x* ，光泽度特征都不足以把两种鱼完全分开；光泽度易受外界照明光亮度的影响。 返回 基于光泽度和宽度的分类器设计 把光泽度x1和宽度x2组成一个二维特征向量X=(x1, x2)T，然后利用X来进行分类。 进行分类识别需要把特征空间分成两个区域，使得落在其中一个区域的数据点（鱼）被分类为鲈鱼，而落在另一个区域的数据点（鱼）被分类为鲑鱼。 关键在于设计一条直线或曲线把两个区域分开。 返回 两种鱼的光泽度和宽度散布图 用复杂判决曲线进行分类 用折中判决曲线进行分类 光泽度和宽度的优缺点 优点：分类正确率进一步提高 缺点：难于确定最佳判决曲线，可能出现过拟合现象