模式识别入门.ppt

3、特征提取和选择为有效地实现分类识别，要对原始数据进行选择或者变换，得到最能反映分类本质的特征，构成特征向量。特征形成特征提取特征选择第59页,共77页，星期六，2024年，5月3、特征提取和选择特征形成根据被识别的对象产生出一组基本特征，它可以是计算出来的，也可以是仪表或者传感器测量出来的，这样产生出来的特征叫原始特征。一般将原始数据组成的空间叫测量空间。信息获取阶段，如数字图像中的灰度值即可以看成是一种原始特征。第60页,共77页，星期六，2024年，5月3、特征提取和选择特征提取原始特征数量可能很大，样本处于一个高维空间里。通过映射或者变换的方法可以用低维空间来表示样本，这个过程叫特征提取。如1K*1K的灰度图像相当于1K*1K维测量空间中的一个点。在高维空间中进行分类较为困难，且这种描述不能直接反映对象的本质（灰度会随着摄像机位置及照度等的变化而变化）变换测量空间特征空间，通常为线性变换，如Fisher变换。第61页,共77页，星期六，2024年，5月3、特征提取和选择特征选择从一组特征中挑选出一些最有效的特征以达到降低特征空间维数的目的，这个过程叫特征选择。降维两大方法：1、通过映射和变换把原始特征变为较少的新特征。2、从原始特征中挑选出一些最有代表性的特征来。特征提取与选择的原则尽量减小特征间的相关性一个极端的例子：圆识别，R—2R是两个极度相关的特征第62页,共77页，星期六，2024年，5月4、分类器设计为把待识别模式分配到各自的模式类中去，必须设计出一套分类判别规则。基本做法是：用一定数量的样本（称为训练样本集），确定出一套分类判别规则，使得按这套分类判别规则对待识模式进行分类所造成的错误识别率最小或引起的损失最小。如数字识别，首先要用0-9的训练样本训练分类器。第63页,共77页，星期六，2024年，5月5、分类决策分类器按已确定的分类判别规则对待识模式进行分类判别，输出分类结果。监督模式识别与非监督模式识别对于监督模式识别，判别规则设计完成后转入分类决策。对于非监督模式识别，没有训练样本，分类器设计只能依靠待识别样本集进行，分类器设计与决策一起完成，即设计完成后分类结果亦产生。模式识别课程主要研究3、4、5部分。第64页,共77页，星期六，2024年，5月识别举例在传送带上用光学传感器对鱼按品种分类品种鲈鱼（Seabass）鲑鱼（Salmon）识别过程（1）数据获取：架设一个摄像机，采集一些样本图像，获取样本数据。（2）预处理：去噪声，用一个分割操作把鱼和鱼之间以及鱼和背景之间分开。第65页,共77页，星期六，2024年，5月识别举例（3）特征提取和选择：对单个鱼的信息进行特征选择，从而通过测量某些特征来减少信息量。——长度——亮度——宽度——鱼翅的数量和形状——嘴的位置，等等（4）分类决策：把特征送入决策分类器第66页,共77页，星期六，2024年，5月识别举例第67页,共77页，星期六，2024年，5月识别举例第68页,共77页，星期六，2024年，5月识别举例第69页,共77页，星期六，2024年，5月识别举例第70页,共77页，星期六，2024年，5月识别举例第71页,共77页，星期六，2024年，5月识别举例第72页,共77页，星期六，2024年，5月识别举例训练和测试（1）训练集：是一个已知样本集，在监督学习方法中，用它来开发模式分类器。（2）测试集：在设计识别和分类系统时没有用过的独立样本集。（3）系统评测原则：为了更好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评价。第73页,共77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个人忘了填性别，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74页,共77页，星期六，2024年，5月实例：统计模式识别待识别的模式：性别（男或女）测量特征：身高和体重训练样本：15名