第7章 机器感知与语言交流.pptx

第7章机器感知与语言交流

7.1引言

7.2模式识别

7.3自然语言处理

延伸学习导引;7.1引言

?感知能力是一个智能体所必备的功能要素，也是智能的重要表现和衡量指标。感知就是将接收到的来自外部环境或自身的刺激信号（量）转换为一种以语言（值）形式表达的心理量（的过程）。研究机器感知，首先要涉及图像、声音等信息的识别问题。

?机器感知不仅是对人类感知的模拟，也是对人类感知的扩展和延伸。

?智能体需要与人类进行信息交流，最好的交流媒介莫过于自然语言。因此，自然语言处理（包括理解和生成）就成了人工智能的一个重要研究课题。;7.2模式识别

7.2.1基本原理与方法

1.模式、模式类与模式识别

定义7-1能够表征或刻画被识对象类属特征的信息模型称为对象的模式（pattern）。

定义7-2具有某些共同特性的模式的集合称为模式类，判定一个待识模式类属的过程称为模式识别。

2.模式的表示

最常用的模式表示形式有向量和字符串。;

该图形的模式就可以用字符串S=accbda来描述。;3.模式识别系统工作原理;4.模式识别方法分类

统计模式识别

结构模式识别

神经网络模式识别

模糊模式识别和软模式识别

自适应模式识别

仿生模式识别

;7.2.2距离分类法

1.标准模式法

;2.平均距离法

;3.最近邻法

;7.2.3几何分类法

;分界面（线）可分为平面（直线）和曲面，相应的判别函数为线性函数和非线性函数。下面我们介绍分界平面和线性判别函数。

对于二分类问题，显然只需一个分界平面。设判别函数为

g(X)=WTX+w0

其中W=(w1,w2,…,wn)T为X中各分量x1,x2,…,xn的系数组成的向量，称为权向量；w0为一个常数，称为阈值权。那么，分界平面方程为

g(X)=WTX+w0=0

;8.2.4概率分类法

1.基于最小错误率的贝叶斯决策

;例8-2假设对某地区人体细胞的统计发现，正常细胞(c1)和异常细胞(c2)的先验概率分别为0.9和0.1，即

P(c1)=0.9，P(c2)=0.1

现有一待识细胞，其特征值为X，若已知其类条件概率密度为

p(X|c1)=0.2，p(X|c2)=0.4

试用最小错误率的贝叶斯决策判断该细胞是否正常。;

;2.基于最小风险的贝叶斯决策

;;7.3自然语言处理

7.3.1自然语言处理的途径、方法和发展概况

自然语言处理（NLP）包括自然语言的理解、分析、综合和生成等。狭义的自然语言处理主要指对文字形态语言的处理，广义的自然语言处理也包括非文字形态语言（如语音、手语等）的处理。

在形式语言理论框架下，自然语言处理相继形成了基于规则的形式化机制、基于统计的形式化机制和基于联结的形式化机制，相应地，也就出现了基于规则的方法、基于统计的方法和基于联结的方法等三大方法和流派。

?基于规则的方法（理性主义学派）

?基于统计的方法（经验主义学派）

?基于联结的方法（经验主义学派）;7.3.2基于规则的自然语言理解

1.简单句理解

1)理解的实现过程

(1)理解语句中的每一个词。

(2)以这些词为基础组成一个可以表达整个语句意义的结构。这项工作分成以下三个部分来进行：

?语法分析将单词之间的线性次序变换成一个显示单词如何与其他单词相关联的结构。语法分析确定语句是否合乎语法，因为一个不合语法的语句就更难理解。;语义分析各种意义被赋予由语法分析程序所建立的结构，即在语法结构和任务领域内对象之间进行映射变换。

语用分析为确定真正含义，对表达的