a1模式识别与智能计算第一章.pptVIP

1.5.1聚类设计1.聚类的定义在模式空间S若给定N个样品X1,X2,…,XN,聚类的定义是：按照相互类似的程度找到相应的区域R1,R2,…,RM,对任意Xi(i=1,2,…,N)归入其中一类，而且不会同时属于两类，即：(i≠j)聚类准则2.聚类准则聚类准则的确定，基本上有两种方法。1)试探法主要有最临近规则的试探法，最大最小距离试探法和层次聚类试探法2)群体智能方法。群体智能算法的仿生计算一般由初始化种群、个体更新和群体更新三个过程完成。1.5.1聚类设计下面给出一种简单而又广泛应用的准则，即误差平方和准则：设有N个样品，分属于ω1，ω2，…,ωM类，设有Ni个样品的ωi类，其均值为因为有若干种方法可将N个样品划分到M类中去，因此对应一种划分，可求得一个误差平方和J，要找到使J值最小的那种划分。定义误差平方和1.5.1聚类设计经验表明，当各类样品密集，个数相差不大，类间距离较大时，适合采用误差平方和准则，如图(a)所示。若各类样品数相差很大，类间距离较小时，就有可能将样品数多的类一分为二，而得到的J值却比大类保持完整时小，误以为得到了最优划分，实际上得到了错误的划分，如图(b)所示。（a）适合采用误差平方和准则（b）不适合采用误差平方和准则1.6模式识别应用生物学自动细胞学、染色体特性研究、遗传研究天文学天文望远镜图像分析、自动光谱学经济学股票交易预测、企业行为分析医学心电图分析、脑电图分析、医学图像分析模式识别应用文字识别（CharacterRecognition）OCR（OpticalCharacterRecognition）智能交通（IntelligentTraffic）车牌、车型。语音识别（Speechrecognition）翻译机，身份识别等目标识别ATR（AutomaicTargetRecognition）模式识别与智能计算杨淑莹教授天津理工大学计算机科学与工程学院课程简介是计算机技术类重要的专业课程,相关专业的核心课，选修课。热点研究方向。已渗透多个领域，与人们的生活紧密相关。推动社会发展、改善生活起到了重要的作用。培养目标掌握模式识别的基本概念和方法;有效地运用所学知识和方法解决实际问题为研究新的模式识别的理论和方法打下基础第一章模式识别概述1.1模式识别的基本概念1.2模式识别的基本方法1.3统计模式识别1.4分类分析1.5聚类分析1.6模式识别的应用1.1模式识别的基本概念模式识别(PatternRecognition)：确定一个样本的类别属性的过程，即把某一样本归属于多个类型中的某个类型。样本（Sample)：一个具体的研究对象。如患者，某人写的一个汉字，一幅图片等。模式(Pattern)：对客体特征的描述（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。在模式识别技术中，被观测的对象称为样本，例如，在手写数字识别中每个手写数字可以作为一个样本，如果共写了N个数字，我们把这N个数字叫做N个样本（X1,X2,…,XN）模式描述方法模式识别系统模式识别系统的主要环节：特征提取：符号表示，如长度、波形等特征选择：选择有代表性的特征，能够正确分类学习和训练：利用已知样本建立分类和识别规则分类识别：对所获得样本按建立的分类规则进行分类识别模式识别系统从摄像头获取包含车牌的彩色图象车牌定位和获取字符分割和识别输入图象特征提取粗略定位分割字符确定类型精细定位识别、输出汽车车牌识别车牌提取识别结果模式识别方法是一种借助于计算机对信息进行处理、判决分类的数学统计方法。1.统计模式识别2.句法结构模式识别1.2模式识别的基本方法统计模式识别主要研究问题有:特征的选择与优化、分类判别、聚类判别。基于统计模式识别方法有多种方法：例如模糊模式识别法、判别函数法、神经网络法、基于规则推理法等。1.3统计模式识别模糊模式识别的理论基础是模糊数学。它根据人辨识事物的思维逻辑，吸取人脑的识别特点，将计算机中常用的二值逻辑转向连续逻辑。模糊模式识别法 神经网络区别于其他识别方法的最大特点是它对待识别的对象不要求有太多的分析与了解，具有一定的智能化处理的特点。可处理一些环境信息十分复杂，背景知识不清楚，推理规则不明确的问题。神经网络法句法结构模式识别模式描述方法：符号串，树，图模式判定：是一种语言，用一个文法表示一个类，m类