模式识别第一章.ppt

模式分类器的获取和评测过程数据采集特征选取模型选择训练和测试计算结果和复杂度分析，反馈第37页,共55页，星期六，2024年，5月第38页,共55页，星期六，2024年，5月训练和测试训练集：是一个已知样本集，在监督学习方法中，用它来开发出模式分类器。测试集：在设计识别和分类系统时没有用过的独立样本集。系统评价原则：为了更好地对模式识别系统性能进行评价，必须使用一组独立于训练集的测试集对系统进行测试。第39页,共55页，星期六，2024年，5月实例：统计模式识别19名男女同学进行体检，测量了身高和体重，但事后发现其中有4人忘记填写性别，试问（在最小错误的条件下）这4人是男是女？体检数值如下：第40页,共55页，星期六，2024年，5月实例：统计模式识别（续）待识别的模式：性别（男或女）测量的特征：身高和体重训练样本：15名已知性别的样本特征目标：希望借助于训练样本的特征建立判别函数（即数学模型）第41页,共55页，星期六，2024年，5月实例：统计模式识别（续）由训练样本得到的特征空间分布图第42页,共55页，星期六，2024年，5月实例：统计模式识别（续）从图中训练样本的分布情况，找出男、女两类特征各自的聚类特点，从而求取一个判别函数（直线或曲线）。只要给出待分类的模式特征的数值，看它在特征平面上落在判别函数的哪一侧，就可以判别是男还是女了。第43页,共55页，星期六，2024年，5月实例：句法模式识别问题：如何利用对图像的结构信息描述，识别如下所示图片：第44页,共55页，星期六，2024年，5月实例：句法模式识别（续）将整个场景图像结构分解成一些比较简单的子图像的组合；子图像又用一些更为简单的基本图像单元来表示，直至子图像达到了我们认为的最简单的图像单元（基元）；所有这些基元按一定的结构关系来表示，利用多级树结构对其进行描述（这种描述可以采用形式语言理论）。第45页,共55页，星期六，2024年，5月实例：句法模式识别（续）多级树描述结构第46页,共55页，星期六，2024年，5月实例：句法模式识别（续）训练过程：用已知结构信息的图像作为训练样本，先识别出基元（比如场景图中的X、Y、Z等简单平面）和它们之间的连接关系（例如长方体E是由X、Y和Z三个面拼接而成），并用字母符号代表之；然后用构造句子的文法来描述生成这幅场景的过程，由此推断出生成该场景的一种文法。第47页,共55页，星期六，2024年，5月实例：句法模式识别（续）识别过程：先对未知结构信息的图像进行基元提取及其相互结构关系的识别；然后用训练过程获得的文法做句法分析；如果能被已知结构信息的文法分析出来，则该幅未知图像与训练样本具有相同的结构（识别成功），否则就不是这种结构（识别失败）。第48页,共55页，星期六，2024年，5月本门课程的主要内容第一章概论第二章聚类分析第三章判别函数第四章统计判别第五章 特征选择和提取第六章 神经网络第七章 句法模式识别第八章 模糊模式识别第九章 模式识别应用第49页,共55页，星期六，2024年，5月相关数学概念随机向量及其分布随机向量如果一个对象的特征观察值为{x1,x2,…,xn}，它可构成一个n维的特征向量值x，即 x=(x1,x2,…,xn)T 式中，x1,x2,…,xn为特征向量x的各个分量。一个特征可以看作n维空间中的向量或点，此空间称为模式的特征空间Rn 。第50页,共55页，星期六，2024年，5月相关数学概念随机向量及其分布随机向量在模式识别过程中，要对许多具体对象进行测量，以获得许多次观测值。每次观测值不一定相同，所以对许多对象而言，各个特征分量都是随机变量，即许多对象的特征向量在n维空间中呈随机性分布，称为随机向量。第51页,共55页，星期六，2024年，5月相关数学概念随机向量及其分布随机向量的参数数学期望和方差协方差矩阵[例：求随机变量的数学期望和协方差矩阵]第52页,共55页，星期六，2024年，5月相关数学概念正态分布一维正态密度函数第53页,共55页，星期六，2024年，5月相关数学概念正态分布多维正态密度函数第54页,共55页，星期六，2024年，5月小结模式和模式识别的概念模式识别的发展简史和应用模式识别的主要方法模式识别的系统和实例几个相关的数学概念第55页,共55页，星期六，2024年，5月教学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5页,共55页，星期