模式识别概述2014.pptxVIP

第1页/共95页以物联网、云计算、大数据、移动互联网、3S技术为代表的新一轮信息技术正改变着我们的工作和生活我们已深切感受到信息时代的到来信息分析与处理无处不在，交通、环境、信息安全………作为信息分析和处理的重要内容，模式识别已由信息学科少数学者专家的研究领域，成为经济、金融、社会管理、工程等众多领域普遍关注和广泛应用的学科。第2页/共95页人类智慧的主要方面就是对外部事物的认知能力，人类每天的活动大部分都与事物的认别、分类和判断有关这种能力我们与生俱来，具随着年龄的增长而逐渐加强，许多动物也具有这种能力第3页/共95页简单的认别：心电图高级的认别：Q波、T波、R波更复杂的认别：正常心电图或异常心电图第4页/共95页这是一幅江南水乡的照片!第5页/共95页这样一个看似简单的过程，实际上是一系列复杂的认别、分类的结果。是照片而不是绘画建筑是江南风格江南特色的游船江南特色的河道抽象类：江南水乡的照片能否让机器（计算机）也具有认别、分类的能力？第6页/共95页一个例子通过光学感知手段，将传送带上的鱼进行自动分类 鲈鱼 鱼类 鲑鱼第7页/共95页问题分析架设一台摄影像机，拍摄若干样品的图像提取用于区分两类鱼的有效特征(feature) 长度光泽度宽度鳍的数目和形状嘴的位置，等等…….第8页/共95页 预处理（preprocessing）去除干扰，图像增强采用图像分割技术将不同的鱼分离开来，或将鱼同背景分开特征提取（feature extraction）将每条鱼的数据送入特征提取器，通过测量特定的“特征”或“属性”来简化原始数据将特征送入分类器，以便进行分类 第9页/共95页分类（Classification）将待识别样本进行特征提取，并与存储于分类器中的特征进行比较，从而判断样本的类别第10页/共95页实现方法根据先验知识：鲈鱼长度一般要比鲑鱼大选择长度（length）作为可能的分类特征获取足够多的样本（训练样本）进行统计（直方图）确定合适的长度临界值 L* 作为分类标准第11页/共95页确定合适的长度临界值 L* 作为分类标准鲑 鱼鲈 鱼分类标准第12页/共95页问题单一的特征判据（长度）不足以完全正确分类无论怎样确定临界值，都有无法仅凭长度就把两类鱼截然分开第13页/共95页方法改进选择光泽度（lightness）作为分类特征获取足够多的样本（训练样本）进行统计（直方图）确定合适的光泽度临界值x*作为分类标准第14页/共95页以光泽度为分类特征，两类鱼的分离性更好！鲑 鱼鲈 鱼分类标准第15页/共95页结论特征选择对分类效果有较大的影响 判别边界与判别代价 无论采用哪一种特征进行分类都有代价：误判上述判别边界假设将鲑鱼误判为鲈鱼和将鲈鱼误判为鲑鱼的代价相等（对称代价）非对称代价：调整判别边界的位置第16页/共95页鲑 鱼鲈 鱼调整判别边界，减小判别代价第17页/共95页为获取更好的分类效果，组合运用多个特征 选取光泽度（lightness）和宽度（width）作为分类特征鱼xT = [x1, x2]特征向量：xT = [x1, x2]LightnessWidth第18页/共95页鲑 鱼鲈 鱼判别标准：判别边界组合特征优于单一特征第19页/共95页需要考虑的问题特征越多分类性能越好吗？什么样的特征才是好的特征？特征的相关性与冗余？第20页/共95页需要考虑的问题如何获取判别边界：判别模型？什么样的判别边界才是最优的：模型优化？第21页/共95页鲑 鱼鲈 鱼复杂的模型第22页/共95页复杂的模型可保证对所有训练样本正确分类过于复杂的模型将导致复杂的判别界面新模式推广能力差第23页/共95页分类系统的目标是对未知的样本正确分类，而不仅仅是对训练样本分类必须在模型复杂度和推广能力之间进行折中考虑最优模型第24页/共95页鲈 鱼鲑 鱼优化的判别边界第25页/共95页什么是模式识别？定义利用机器（计算机）模仿人脑对现实世界各种事物进行描述、分类、判断和识别的过程。周围物体的认知：桌子、椅子、门、窗户人的识别：张三、李四声音的辨别：火车、汽车、鸟鸣气味的分辨：红烧肉、炸带鱼第26页/共95页什么是模式识别？目标用计算机实现具有感知、识别、理解、自学习和自适应能力的灵活和智能的计算机器。 人和动物的模式识别能力是极其平常的，但对计算机来说是非常困难的。第27页/共95页模式识别的产生与发展起源始于20世纪40年代研究初期，模式识别被看作动物所具有的自然生理现象，很多人认为不值得研究。当人们试图使计算机去具有人脑的识别能力后，模式识别的难度和重要性才得以重视。第28页/共95页模式识别的产生与发展随着计算机技术的发展， 60年代后模式识别迅速发展为一门相对独立的新兴交叉学科明确的问题定义、严格的数学基础、坚实的理论框架、丰富的理论和应用成果、广阔的