《模式识别》_01. 第一章 绪论.pptVIP

机器人：机器人是一种可编程的多功能操作装置。机器人研究的四个阶段：遥控机器人——程序机器人——自适应机器人——智能机器人。1.6模式识别的应用领域其它：……1.6模式识别的应用领域1.2模式识别的基本概念问题1：训练样本的完美分类面是不是最好的？分类器设计的核心目标是实现对未知样本的正确分类，也就是要有好的推广能力。一个过于复杂的决策界面一般来说不太可能有好的推广能力，它过拟合了个别少量的训练样本。这些训练样本没有真正地反映数据的真实分布。?结论：我们必须在训练样本的分类正确率和推广能力之间权衡以得到满意的设计。1.2模式识别的基本概念非线性分类面图中的判决面是对训练样本的分类性能和分界面复杂度的一个折中，可以解决这种线性不可分问题。避免过拟合的方法：避免过于复杂的分类面。样本（sample）：一类事物的一个具体体现，所研究对象的一个个体，也称模式。样本集（sampleset）：若干样本的集合。类或类别（class）：在所有样本上定义的一个子集，处于同一类的样本在我们所关心的性质上是不可区分的，即具有相同的模式，也称模式类。?特征（feature）：用于表征样本的观测信息，通常是数值表示的，有时也称为属性（attribute）；如果是高维则称为特征向量，样本的特征（向量）构成了特征空间，每个样本是特征空间中的一个点。1.2模式识别的基本概念已知样本（knownsample）：事先知道类别标号的样本（训练样本）。未知样本（unknownsample）：类别标号未知但特征已知的样本（待识别的样本，测试样本）。一般来说，模式识别必须经历如下的过程：1.2模式识别的基本概念1.2模式识别的基本概念模式空间特征空间类型空间在模式空间里，每个样本模式都是一个点，点的位置由该模式在各维上的测量值确定。对模式空间里的各坐标元素进行综合分析，以提取最能揭示样本属性的特征，这些特征就构成特征空间。根据适当的判决规则，把特征空间里的样本区分成不同的类型，从而把特征空间塑造成了类型空间。由特征空间到类型空间所需要的操作就是分类判决。特征提取分类决策模式识别过程：从物理上可以觉察到的世界，通过模式空间、特征空间到类型空间，经历了模式采集、特征提取和选择、以及分类决策等过程，这就是一个完整的模式识别过程。模式识别：是从样本到类别的映射1.2模式识别的基本概念第一章模式识别概论1.1什么是模式识别1.2模式识别的基本概念1.3模式识别系统（基本框架）1.4模式识别的历史与现状1.5模式识别方法1.6模式识别应用领域模式识别系统传感器(Sensing)：信号采集分割(Segmentation)：使模式之间相互独立，互不重叠，依靠图象处理技术。特征提取(Featureextraction)可判别特征平移、旋转和尺度变换不变性特征分类(Classification)：由特征向量确定对象所属的类别。后处理(PostProcessing)：利用“上下文”先验信息提高分类性能。1.3模式识别系统*预处理特征测量分类器预处理特征提取/选择学习待识模式(数据)训练模式(样本集)训练过程识别过程1.3模式识别系统收集数据（collectdata）：收集足够的代表性样本特征选择（choosefeatures）：确定哪个目标的属性可以区别不同的目标选择模型(choosemodel)：选择分类器模型，确定分类原理和机理训练分类器(trainclassifier)：确定分类器参数分类器评估(evaluateclassifier)：估计可能的误差率模式识别系统设计的五个步骤:1.3模式识别系统分类器的学习和适应：给定一般模型或分类器的形式，利用样本(例子)去学习或估计模型的未知参数。有监督学习(Supervisedlearning)：已知训练样本集中每个输入样本的类别标记和分类代价，寻找能降低总体代价的方向。已知分类情况，计算各类在特征空间的分布，然后对未知样本进行分类.无监督学习(Unsupervisedlearning)：样本的类别标记和分类代价未知，由聚类器形成“聚类”(clusters)或者“自然组织(naturalgroupings)”。事先不知有多少类，有哪些类，只能根据样本间的相似性进行聚合。1.3模式识别系统第一章模式识别概论1.1什么是模式识别1.2模式识别的基本概念1.3模式识别系统（基本框架）1.4模式识别的历史与现状1.5模式识别方法1.6模式识别应用领域1929年GustavTauschek(奥地利