模式识别 课件 第1章 绪论.pptx

课程目标绪论目标1：理解掌握模式识别的基础知识目标3：编程实现模式识别的算法系统目标2：分析设计模式识别的解决方案

第1章绪论

主要内容1.1模式识别的基本概念1.2模式识别方法1.3模式识别系统1.4模式识别应用绪论

1.1模式识别的基本概念（1）人类的模式识别能力时刻进行人们所做的每一件事情，首先都有一个识别的过程。复杂性绪论

Pattern，任何可观测且需要进行分类的对象（2）模式和模式类1.1模式识别的基本概念模式模式类模式所属的类别或同一类中模式的总体

从具体模式中抽象出来、表征事物特点或性状的观测，用于对模式的判断和分析，也称特征向量、样本向量。（3）特征和样本一个样本样本矩阵1.1模式识别的基本概念样本特征观测样本的某个方面的变量，也称作属性

特征空间例：测量花萼长、宽，花瓣长、宽，单位为厘米，构成4维列向量：如[53.51.30.3]T，特征空间为4维特征空间1.1模式识别的基本概念集合向量

?1.1模式识别的基本概念?

（3）模式识别作用和目的1.1模式识别的基本概念面对某一具体信息（样本、模式），将其正确的归入某一类。核心技术寻找一个合适的分类器，即分类的准则。

1.1模式识别的基本概念例1-2：小米和绿豆混合在一起，如何把二者分开？?

学习（4）学习和分类1.1模式识别的基本概念也称为训练，对大量的样本进行分析，从中找出相应的规律或者说事物的共同特征分类也称决策，根据从学习中得到的规律，面对某一个具体的样本，将其归入正确的类别。

有监督学习（5）有监督、无监督和半监督学习无监督学习1.1模式识别的基本概念已知要划分的类别，能获得一定数量的类别已知的训练样本（称为标记样本），进行学习找出规律，进而建立分类器，对未标记样本进行分类决策。事先不知道要划分的是什么类别，没有标记样本用来训练，通过考查未标记样本之间的相似性进行区分。半监督学习同时利用标记和未标记样本，以提高分类性能。

1.1模式识别的基本概念（6）识别的可推广性在有限样本基础上建立认知（经验），去认识未知事物，识别结果只能以一定的概率表达事物的真实类别。依据有限样本全部正确划分为准则建立决策规则，考虑为未来数据分析时的成功率，即推广性问题（也称泛化）。固有问题。

方法1.2模式识别方法（1）模板匹配为每个类建立一个或多个模板，将待识别样本与每个类别的模板进行比对，根据和模板的相似程度将样本划分到相应的类别。简单，在特征稳定、类间区别明显时效果好缺点是需要搜索最优匹配，计算量大，依赖模板，适应性较差。特点

算法成熟，应用广泛，理论较复杂1.2模式识别方法（2）统计模式识别经典的基于数据的识别方法；通过判别函数将特征空间划分为几个区域，不同区域的样本归为相应的类别；设计判别函数的思路多样，对应不同的方法。方法特点

可用于识别包含丰富结构信息的、极为复杂的对象基元的选择对识别结果有极大的影响1.2模式识别方法（3）句法模式识别方法特点用一组基元和它们的组合关系描述模式，称为模式描述语句根据模式的结构将其组合成语句，按句法分析进行识别，符合指定的语法即被归入该类

适合特征值不精确的分类问题缺点是模糊规则的建立具有较大的主观性1.2模式识别方法（4）模糊模式识别方法特点将模糊的概念和其他模式识别方法相结合，判断样本对于模式类的隶属程度，实现分类结果模糊化

擅长解决非线性分类问题，学习速度慢，参数选择困难，分类规则不透明、非解析（5）人工神经网络模式识别1.2模式识别方法方法特点人工神经网络，由多层神经元相互连接构成，根据输入信息和输出结果配对的数据进行学习，训练神经元间的连接权重，得到输入和输出的关系，用以对未知类别的样本进行识别。

数据采集预处理特征提取和选择分类决策输出结果学习识别分类器设计数据采集预处理特征提取和选择评估（1）监督模式识别数据采集1.3模式识别系统用计算机可以运算的符号来表示物体

（1）监督模式识别预处理1.3模式识别系统属于信号处理范围，所采用的处理方法要根据后续提取特征的需要进行，技术与具体问题有关。数据采集预处理特征提取和选择分类决策输出结果学习识别分类器设计数据采集预处理特征提取和选择评估

（1）监督模式识别特征提取和选择1.3模式识别系统为有效识别，需从中提取最有代表性的，最反映分类本质的特征来进行识别。关键技术为数据降维。数据采集预处理特征提取和选择分类决策输出结果学习识别分类器设计数据采集预处理特征提取和选择评估

（1）监督模式识别分类器的设计1.3模式识别系统确定合适的判别规则数据采集预处理特征提取和选择分类决策输出结果学习识别分类器设计数据采集预处理特征提取和选择评估

（1）监督模式识别评估1.3模式识别系统对设计的分类器性能进行评估，根据评估的结果，调整设计方案