模式识别综述.pptVIP

模式识别这门课程的主要内容 第一章 模式识别概述 第二章 贝叶斯决策理论 第四章 线性判别函数 实验一 安装并使用模式识别工具箱 第六章 近邻法 第八章 模式特征提取与特征选择 第十一章 人工神经网络以及在模式识别中的应用 实验二 用人工神经网络对二维样本分类 第十三章 统计学习理论和支持向量机 实验三 用支持向量机进行人脸识别 注： （1）只学习教材中的部分章节； （2）3次实验； * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Bian ZhaoQi * Zhou Yatong 阈值界与代价的关系 例：鱼类加工厂,顾客能接受表示着“鲈鱼”的罐头中偶尔混入了鲑鱼，却无法忍受鲈鱼出现在所谓的“鲑鱼”罐头中。 把判决边界向光泽度更小的值移动,以减少将鲈鱼误判作鲑鱼的数目，使代价最小(以免引起顾客反感) 决策论的任务 若仍不满意，但又没有更好的图像特征了 采用光泽度与宽度的复合 Fish xT = [x1, x2] 光泽度 宽度 误差率更小了，当然仍有一些错误 因此，我们单独使用一个特征是不够的，我们需要复合多个特征(一个特征向量)用于分类。 注意，复合的特征之间应该是不相关的，最起码复合之后不应该使得分类效果反而更差了(例如把一个噪音特征复合到一个有用的特征当中) 最理想的判决曲线应该能够提供最优的分类效果。如下图所示: 然而，我们高兴得太早了，因为我们设计分类器的最终目标是使用它来正确归类新的样本。 推广能力问题 （Generalization） 上图判决曲线是对训练样本的分类性和分界面复杂度的一个最优折中，因而对将来的新的模式的分类性能也更好。 1.2.5 模式识别的复杂性 例1（较简单）： 判断 是“红心”还是“月亮” 例2（较复杂）： 人脸表情识别 七类表情 ？ ？ 例3（较复杂）： DNA识别 (2001年大学生数学建模竞赛) 1.2.5 模式识别的复杂性（续） DNA片段（第一类） DNA片段（第二类） aggcacggaaaaacgggaataacggagg ttactttatcatttaatttaggttttaattttaaatttaattt 一段未知类别的DNA片段 tttagctcagtccagctagctagtttacaatttcgacaccagtttcgcaccatcttaaatttcgatccgt ？ ？ 注： 复杂性体现在：DNA片段不等长。 例4（更复杂）：人脸检测 1.2.5 模式识别的复杂性（续） ？ ？ 人脸 非人脸 注： 复杂性体现在：容易发生误检，漏检。 …… 注：复杂性体现在：模式本身很复杂。 1.2.5 模式识别的复杂性（续） 例5（更复杂）：音乐风格识别 欢快音乐 悲伤音乐 音乐片段（风格未知） ？ ？ 1.2.6 模式识别已发展成为一门独立的学科 （1） 模式识别与其它学科的关系 （2）模式识别的理论基础 机器智能系统应该包括三个部分： 感知部分：相当于人的眼、耳、触觉、嗅觉等等； -- 模式识别 学习部分：模仿人在自己的行动中总结经验，改善自身能力的功能; 机器学习 思维部分：相当于人的逻辑推理和计算能力；- 人工智能 1.3 怎样学习模式识别？ (How) 模式识别这门课程的特点 （1）概念众多； （2）一些理论推导艰涩难懂； （3）实践性强，并有很高的实用价值； 对书上的基本概念一定要弄清楚，记准确； 例如模式，模式类，特征，特征提取…… 例如第二章中的