北航自动化学科前沿介绍课程报告.docVIP

学科前沿介绍课程报告 高等工程学院 3903 2415 李柏  一、选课动机和目标作为一名自动化学院的09级新生，即将升入大二，在日常学习中却依然只涉及到各种基础课程，我们普遍对未来我们专业的各种方向没有一个全面而系统的了解，甚至至今很多人对自动化根本没有了解。尽管现在没有开专业课，我们也没分专业方向，但是我认为，及早地了解自动化学科的概况介绍信息，以及各专业方向的内容，是非常关键的：通过这样的课程，可以尽早发现与自身性格特点以及兴趣、未来理想相适应的专业，也会使我在大一大二基础课的学习中更有侧重地、更高效地掌握知识。本着这样的想法，我选择了这门课程。 二、实际收获以及心得体会 经过这八堂课的学习，我对自动化的各专业方向有了大致的了解。所谓自动化，是指运用机器部分或完全代替人的体力或脑力劳动，按照预定的指令、程序工作。在第一堂课，秦老师给我们介绍了“控制科学与工程”这一概念，控制科学与工程是研究控制的理论、方法、技术及其工程应用的学科。控制科学以控制论、信息论、系统论为基础，研究各领域内独立于具体对象的共性问题，即为了实现某些目标，应该如何描述与分析对象与环境信息，采取何种控制与决策行为。它对于各具体应用领域具有一般方法论的意义，而与各领域具体问题的结合，又形成了控制工程丰富多样的内容。它与信息科学和计算机科学的结合开拓了知识工程和智能机器人领域。与社会学、经济学的结合使研究的对象进入到社会系统和经济系统的范畴中。与生物学、医学的结合更有力地推动了生物控制论的发展。同时，相邻学科如计算机、通信、微电子学和认知科学的发展也促进了控制科学与工程的新发展，使本学科所涉及的研究领域不断扩大。 自动化下设五个二级学科：控制理论与控制工程，检测技术与自动化装置，系统工程，模式识别与智能系统，导航、制导与控制。 以下是这八堂课以来，我对它们的内涵的理解： 1. “模式识别与智能系统”，这是我们第二讲的学习内容。 模式识别(Pattern Recognition)是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析,以对事物或现象进行描述、辨认、分类和解释的过程,是信息科学和人工智能的重要组成部分。模式识别具有近乎无限的发展潜力，比如人脸检测与识别技术，国产汉王软件的文字识别功能，笔记本电脑上普及的指纹识别技术，虹膜识别，还有用医学图像自动分析仪器来辅助诊断，识别语音来录入文字，在图像导航领域的地面物体自动辨认等功能。 主流的模式识别方法分以下几种： 其一为统计模式识别法 针对左侧这张图片，我的理解是，针对若干个原始数据的样本，按照一定的规律或者随机地映射，对应不同的算法，得到不同区域内的结果，再进行相应的汇总处理，得到最终的一个结果。 其二是结构(句法)模式识别法 这一算法是在抽取模式的基本结构要素和各要素之间的相互关系的基础上，推断定义出可反映每一模式类之结构的文法。通俗而言，就是以小而简单的基元与恰当的文法规则来描述大而复杂的模式。进而以“文法”为工具，通过句法分析来实现分类或描述。 其三是软计算模式识别法 这里又分多种方法，而神经模式识别尤其引起了我的兴趣。 神经模式识别法，综合利用神经网络的感知、学习和训练功能，通过监督（或非监督）学习训练赋予神经网络有效的分类识别能力。这一方法结合了生物学知识，如果机器的计算与识别具备了生物神经一样的信息处理机制，将获得速度和准确程度的一种飞跃，我认为这一思路具有极大的发展前景，今后一定会广泛地得到应用。 2. “图像处理与机器视觉”是我们第三堂课的学习内容。 在这堂课上，我认真地做了完整的笔记，因而更好地理解了一些概念。 图像处理技术分成模拟技术与数字技术，模拟技术应用于摄像以及电视画面处理，速度快但精度不高；而数字处理是有计算机进行的计算结果，尽管精度以及灵活程度提高，却也存在速度受限制的缺点。模—数转化，是指将完整而连续的图像分化成离散的均匀的网格点阵，将网格上的每一点用坐标定位的方式量化，并且用数字描述指定点的色彩深浅程度，这样就将一幅图画转换成了数字信息。 （参见下图） 之后，秦老师举例介绍了图像处理中的算法——基本算子 其一为像素点运算算子，所谓点运算，我的理解是，把一个点通过（线性）变化的法则映射到另一个点，从而达到变化的目的，比如对于对比度和灰度值的调整操作的实质，都是点运算的法则。当然，点运算也包括几何变换，例如我们正在学习的坐标系中利用矩阵进行的旋转（参见下图） 其二是邻域算子，我们简单地见识了4—邻域算子与8—邻域算子： 图像处理的应用领域十分广泛，涉及农业、地理、水利、军事、信息安全、医学、工业生产等众多方面，比如军事领域的电子沙盘（如下图） 医学领域的血管造影技术（如下左图）以及卫星监控下的海洋污染情况（如下右图）