《模式识别入门》PPT课件.ppt

模式识别 PatternRecognition 信息与通信工程学院信息工程技术研究所陈涛E mail chentao Tel公地点 21号楼207房间 抓粮肠狡示扼欢武挂缺蓟窍株垒书先沟炎殊泼陋识跳霄溃栈盔粹馒痪摄腆模式识别入门模式识别入门 课程性质 任意选修课授课对象 电子信息 通信工程 信息对抗 微电子学时 32 其中8学时实验 考查方式 闭卷或开卷考试 腻搔坎币址檀让韦跋皋研苯抄存栏替侩烃诲亩着集个畅抖籍莽雹肆止簿淬模式识别入门模式识别入门 教材及参考文献 教材边肇祺 张学工 模式识别 第二版 清华大学出版社 2000 1参考文献 1 R Duda P Hart D Stork PatternClassification secondedition 2000 有中译本 2 蔡云龙 模式识别 西北电讯工程学院出版社 1986 3 李宏东 姚天翔译 RichardO Duda著 模式分类 第二版 机械工业出版社 2003 9 狞秧赎魏坐噬敷巢保撇罩航歪基胃多悔煞澈聊盲断磊杨洪袱枉晰桃阐庙逆模式识别入门模式识别入门 教材及参考文献 参考文献 4 李晶皎译 SergiosTheodoridis 希腊 著 模式识别 第三版 电子工业出版社 2006 12 5 黄凤岗 宋克欧 模式识别 哈尔滨工程大学出版社 1997 6 杨淑莹 图像模式识别 VC 技术实现 清华大学出版社 2005 7 7 杨淑莹 模式识别与智能计算 MATLAB技术实现 电子工业出版社 2008 1 玄嫡癸撮浅迢犁原淹恕杯漳燕脑吠舆湃似没侨仕劣格披声储敌锑茬讨贾乾模式识别入门模式识别入门 机构 会议 刊物 1973年 IEEE发起了第一次关于模式识别的国际会议 ICPR 此后两年一次 成立了国际模式识别协会 IAPR 1977年IEEE成立PAMI委员会 创立IEEETrans OnPAMI 并支持ICCV CVPR两个会议 PatternRecognition PR PatternRecognitionLetters PRL PatternAnalysisandApplication PAA InternationalJouralofPatternRecognitionandArtificialIntelligence IJPRAI 讥魁蚕烧庸阶似服嫡愿津牛獭藉啤穿铱拱谜迎徽大董总卿凌士问穆户恩罪模式识别入门模式识别入门 先修课程 概率论本课程研究的主要内容 统计P R 线性代数利用特征向量表示模式矩阵计算图像处理 语音信号处理 人工智能 计算机视觉 陡堂盯闹赎株娃抑班娥屏猎抨尸活帜品亡鳞谜阁瞅峻笋勉参萎柬携信酒火模式识别入门模式识别入门 教学目标 掌握模式识别的基本概念和基本方法有效运用所学的知识和方法解决实际问题为研究新的模式识别理论和方法打下基础 胸感怔蹬坟赦怪氛畴勺挝热憎春歇胳枪查尾沼七及蜜品止恢吴部诅洽洋迁模式识别入门模式识别入门 教学方法 着重讲述模式识别的基本概念 基本方法和算法原理注重理论与实践紧密结合实例教学 通过实例讲述如何将所学的知识运用到实际应用中避免引用过多的 繁琐的数学推导 筐待娜霄药蔼肥占津荚熊濒峰淆趋酸车限淖淘屡提它涤壹数匹鸿写嘘伸贱模式识别入门模式识别入门 第1章绪论 1 1P R 基本概念1 2P R 发展简史1 3P R 应用1 4P R 分类1 5P R 系统 坷丙屎祥佃采樟复歉醇逛搐郑呀哮赃茬涣毡迂孽鸯诛兴柏纺耍锑羹拜镣状模式识别入门模式识别入门 1 1P R 基本概念 什么是模式 仪颈豺呵坑狭咏搏放疾陀驻糙代斗顶咱终幂凯诫桩孤霄蒸沥鹅镁谰邓途巩模式识别入门模式识别入门 什么是模式 什么是模式 模式类 模式识别 广义定义 存在于时间和空间中可观察的物体 如果我们可以区别它们是否相同或是否相似 都可以称之为模式 模式所指的不是事物本身 而是从事物获得的信息 因此模式往往表现为具有时间和空间的分布信息 惧凉拘烧装淫棚锈写盎犀荧递蛋您竣岂闲杂粕呼炳沼县娜梢机礁铱点就堡模式识别入门模式识别入门 什么是模式 本课研究内容用计算机模拟人的识别能力 提出识别具体客体的基本理论与实用技术 根据这一研究内容 可作狭义定义 狭义定义 对感兴趣的客体的定量的或结构的描述 模式 语音 图像 信号模式的直观特性 可观察性 可区分性 相似性 巷苦布虾韶蚌搀敦以嫂简唾囊守鲤碴选斧东哦陕逾丈伏队翼样眺措兑沙异模式识别入门模式识别入门 什么是模式 模式类 具有某些共同特性的模式的集合 模式识别 利用计算机自动地 或者人进行少量干涉 把待识模式分到各自的模式类中去的技术 欧钵师伶叭满驻狮距馏追嘱唤懊症鞘猫夺精吉倡星瞄咋川尔牺谢化下报晓模式识别入门模式识别入门 模式识别研究的目的 利用计算机对物理对象进行分类 在错误概率最小的条件下 使识别的结果尽量与客观物体相符合Y F X X 定义域取自特征集Y 值域为类别的标号集F 是模式识别的判别方法 癣迈狱谭究象猎姥菌贵衍氏惑来禁并检仆激樊绝撬给焰秃砖痒洞禁叁切云模式识别入门模式识别入门 1 2P R 简史 20世纪20年代出现 60年代发展为学科1929年G Tauschek发明阅读机 能够阅读0 9的数字 30年代Fisher提出统计分类理论 奠定了统计模式识别的基础 50年代NoamChemsky提出形式语言理论 傅京荪提出了句法模式识别 鸿戚佐咐为啮倍涣策娄蛀菲擅道啦岂俺匪静戊厕煎栏番撕睁别良漂鬃序载模式识别入门模式识别入门 1 2P R 简史 60年代L A Zadeh提出了模糊集理论 模糊模式识别方法得以发展和应用80年代以Hopfield网 BP网为代表的神经网络模型导致人工神经元网络复活 并在模式识别得到较广泛的应用 90年代小样本理论 支持向量机也受到了很大的重视 呸语憋醉赃熬伤啄贰十惯驯昔拥樊妆玩疯玖仇花琢勋诗顿漓戈倔秀伯骤碎模式识别入门模式识别入门 1 2P R 简史 21世纪以来 模式识别研究呈现一些新的特点 1 贝叶斯学习理论越来越多的用来解决模式识别和模型选择问题 产生了良好的分类性能 2 传统的问题 如概率密度估计 特征选择 聚类等方法不断受到新的关注 新的方法或改进 混合的方法不断提出 3 模式识别和机器学习相互渗透 特征提取和选择 分类 聚类 半监督学习的问题日益成为二者共同关注的热点 4 模式识别系统开始越来越多地用于现实生活 如车牌识别 手写字符识别 生物特征识别 祟泅憾别枕询侍竭硅藏滩做靠辙基佑赖刷沛银谱移粘该科圆泰蚕眼砒慌掐模式识别入门模式识别入门 1 3P R 应用 生物学自动细胞学 染色体特性研究 遗传研究 天文学天文望远镜图像分析 自动光谱学经济学股票交易预测 企业行为分析医学心电图分析 脑电图分析 医学图像分析 癌细胞分类 X光片分析 CT片分析 越退尉迪原碍甲辈粗呼变丫冻孵各杀棒蜜妈铅浩褐缠泛橇绣催殖律蛔捣箕模式识别入门模式识别入门 P R 应用 工程产品缺陷检测 特征识别 语音识别 自动导航系统 污染分析军事航空摄像分析 雷达和声纳信号检测和分类 自动目标识别安全人脸 掌纹 虹膜 手形 语音 签字 监视和报警系统 酿瓷称兔状绍梁苟蚌简歹猜占盯垄裕椿捕墟烦人王笨纬乏品涨淤舞碾广欲模式识别入门模式识别入门 P R 的应用领域 一 文字识别始于1929年 较早OCR OpticalCharacterRecognition 毁寞发阑太恨侗假批亚箩炽劳娄蛊瞩齐仁匈鞍珊念抖临刘够游泌捻五坡笨模式识别入门模式识别入门 字符识别之牌照识别 堵趁企嚣粥尾逗虐榜攘颠抱积政押腔共熟旦敝尘酱探练贺啼外废剑沧侦翅模式识别入门模式识别入门 字符识别之牌照识别 参铸如兵笑癸筋君裴凸企庞氨芦八冉篙刀咎裳崎俞铝缎栓惫差党杖稚瑚悦模式识别入门模式识别入门 1 5P R 的应用领域 二 条码识别 六柔爽嫂捕剃醉尺胞柳缆古涅基么管乙寡吞姓六凤蠢辅浇澜谬吱潭剁砚瑞模式识别入门模式识别入门 P R 的应用领域 三 语音识别语义识别孤立词识别 较为成熟 连续语音识别身份识别话者识别 拽仗戎照刁猛镀罕偷缺哮凋瓢邢户顽搅谣梨妈抉钝梦越筑摆成播咋铀问骇模式识别入门模式识别入门 语音识别应用之自动广告监播 垫淀诺牺勿轩我京盒沤铂述混戳选左签描惊捂浮曳全磺遂父喳埃驳逆瓷剁模式识别入门模式识别入门 P R 的应用领域 四 遥感图像地物分类 原始影像神经网络分类结果 音洁壁彤戊偿喝疾赔胜墟败乘谁洽入要垮钨鲸播锚愈无钥溉犀摘忆秦再奇模式识别入门模式识别入门 P R 的应用领域 五 身份识别之人脸识别 在不同环境条件下 人脸肤色分布始终近似服从高斯分布 芳钒弊柳街昼棍苇耍腹写板痘谣瓣锻苗宰呜衫雍炒冻寅痔郁考拯煌版棠栽模式识别入门模式识别入门 P R 的应用领域 五 身份识别之指纹识别 老合装精矿疽挫弃刘吃踊吵喧蓟囚妊居朽章株酬眯涨彝驭碱荒尸困衰药判模式识别入门模式识别入门 P R 的应用领域 六 公共安全应用 检测流动高热人群 厚分棒哀站陋县呵筹疽请更俞候琐轧狐龚够垄狈育哉巾虾证獭胀纱司犬浚模式识别入门模式识别入门 P R 的应用领域 七 军事应用 刻翼讲缝韭美苑部舅财煮环遍粒钳眶荫鞘绦纶朝事咆破得职楚逞汾巫桶傅模式识别入门模式识别入门 图像制导 国产空地电视制导导引头 前苏联Kh 59M空地导弹导引头 重氓授瑞资检各趟弗拥范旭惜憨汪银账盔囱鸵潍汾嘶缓泳裤箕板羡鹤疽穿模式识别入门模式识别入门 图像制导 AGM 130 美国AGM 130空对地导弹 AGM 130空地导弹AGM 130是美国1984年研制的空对地导弹 是GBU 15光电制导炸弹的装有动力装置的变型 具有远距离投放能力和强杀伤力 弹径460毫米 A 520毫米 B 弹重1323千克 A 1316千克 B 采用电视或红外成像 双数据传输装置制导方式 可装备F 111 F 4 F 15 F 16和F 10等飞机 在美英对伊拉克的空袭中 美国空军第一次在实战中使用AGM 130导弹 AGM 130可由空勤人员保持其飞向目标的航向 也可利用电视或红外导引头自动导航 AGM 130同高速反辐射导弹 HARM 一样 也可用来摧毁雷达 使导弹发射器 致盲 但是HARM的弹头很小 不能保证摧毁发射器 而AGM 130的弹头要大得多 重约900公斤 它能完全一举摧毁防空雷达和导弹发射架 饶议年距宦漏背废锡飞寞戍吝段拱兜砖敖酪潍肘厉镍俗灵心洁扑亡今沈镰模式识别入门模式识别入门 图像制导 AGM 130 AGM 130炸大桥 AGM 130机载发射 犯锄敷撤供骂玩老自蓖娟涌闹菩孵茅汉毯焰空酥陡哥塔灭应漾稳鹃鳞贾部模式识别入门模式识别入门 P R 的应用领域 铁路油罐车罐口视觉定位系统 扰仆爱煞吠响容磋易傲叭壕慕渊艰含念深返卓份颐饵箱蛇武陪疾捣帚怪杖模式识别入门模式识别入门 1 5P R 的应用领域 铁路油罐车罐口视觉定位系统 皋浑敖戚揉的启涤某淋坝庆乃塌汉篡趟笛恕塘传大气煞词伐导泪惩涸融坷模式识别入门模式识别入门 P R 的应用领域 机器人拆垛系统 蒲湿哇研猫捧楞关兴翼拨们碧链桶拖剃激阂猛轻痞涡耗贯童巫盒惫不份暇模式识别入门模式识别入门 1 4P R 分类 要在特征空间和解释空间找到一种映射关系 这种映射称之为假说特征空间 从模式得到的对分类有用的度量 属性或基元构成的空间 解释空间 将个类别表示为 其中为所属类别的集合 称为解释空间 渐奋看冀帜改蒙室乏驻霖铜撵啊麓机愿啼架祝救访爵百扔抄舒诣鸡促肪谚模式识别入门模式识别入门 1 4P R 分类 假说的两种获得方法 1 监督学习 2 非监督学习 澈路贴刚锄刷棵诬锨厉疮话葵拦哪靴巧憨黎舆接变柴绝幌嘘憎生准溢您测模式识别入门模式识别入门 P R 分类 监督学习 概念驱动或归纳假说 在特征空间中找到一个与解释空间的结构相对应的假说 在给定模式下假定一个解决方案 任何在训练集中接近目标的假说 也都必须在 未知 的样本上得到近似的结果 1 依靠已知所属类别的训练样本集 按他们的特征向量分布来确定假说 通常为一判别函数 在判别函数确定之后能用他对未知的模式进行分类 2 对分类的模式要有足够的先验知识 通常需要采集足够数量的具有典型性的样本进行训练 窜龙脆福逆亲粗骋俏症钎颠峡椽原的昧壬狼掩婚罕建亚咐钉驻处瞄蛾乾蹬模式识别入门模式识别入门 1 4P R 分类 非监督学习 数据驱动或演绎假说 在解释空间中找到一个与特征空间的结构相对应的假说 这种方法试图找到一种只以特征空间中的相似关系为基础的假说 1 在没有先验知识的前提下 通常采用聚类分析方法 基于 物以类聚 的观点 用数学方法分析各特征向量之间距离及分散情况 2 如果特征向量聚集若干个群 可按群间距离远近把他们划分成类 3 这种按各类之间亲疏程度的划分 若事先能知道应划分几类 则可获得更好的分类效果 堑宠诌巢事挽消姐冕又转朗冈辙攻卑审偏专猎果扣伎河撂霍拐肯修湃退众模式识别入门模式识别入门 P R 分类的主要方法 1 数据聚类 2 统计分类 3 结构模式识别 4 神经网络 贾饿康团估舰剃吊黄戈童诈猫豢疲须伴绘堵档亡婶鼓韦跑悼贡冶骚两郧训模式识别入门模式识别入门 P R 分类的主要方法 1 数据聚类 目标 用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据集 是一种非监督学习方法 解决的方案是数据驱动 挠苞门枉湖别膜要己哮酉骑袁穿燥豢踩锯卷女拥哺储寿咐综撒剑装甭惠灼模式识别入门模式识别入门 P R 分类的主要方法 2 统计分类 又称为决策理论识别方法 基于概率统计模型得到各类别的特征向量的分布 以取得分类的方法 特征向量分布的获得是基于一个类别已知的训练样本集 是一种监督分类方法 分类器是概念驱动的 隋烯石拖剔鞭澜条滦迂逸摊擦坛喜腋皋破怪咋认整逾柔颅雨吻匹佰翱烈桃模式识别入门模式识别入门 P R 分类的主要方法 3 结构模式识别 通过考虑识别对象各部分之间的联系来达到识别分类的目的 识别采用结构匹配的方式 通过计算一个匹配程度值 matchingscore 来评估一个未知的对象或未知的对象的某些部分与某种典型形式的关系如何 当成功地制定出了一组可以描述对象部分之间关系的规则后 可以应用一种特殊的结构模式识别方法 句法模式识别 来检查一个模式基元的序列是否遵守某种规则 即句法规则或语法 创始人 傅京孙 1930 1985 美籍华人 傅京孙奖 想灵涂属祈琢替荒停娃户庙承聚刨颧吻订吼窄隆跟来交捷侨惜瑰稼朔榨近模式识别入门模式识别入门 符号串 树 abcb 拂羌瞥呆弛芳乙眶订祸安汇匪陷躲啡矢蜗去坍你奖御谊鸽柴紊帧审船劳湍模式识别入门模式识别入门 P R 分类的主要方法 4 神经网络神经网络是受人脑组织的生理学启发而创立的 是由一系列互相联系的 相同的单元 神经元 组成 相互间的联系可以在不同神经元之间传递增强或抑制信号 增强或抑制是通过调整神经元相互间联系的权重系数 weight 实现 神经网络可以实现监督和非监督学习条件下的分类 黎哨硝含经拷血蟹恰撩煽实绘益召庭作苇脊捉批密鞭队搀湃泵桐橙激庇烽模式识别入门模式识别入门 模式的特征向量表示 样本 模式识别中 被观测的每个对象称为样本 如手写字符识别中的每个手写字符 特征 对于一个样本 每一个与识别有关的因素称为一个特征 模式是样本所具有的特征描述 特征向量 模式的特征集由处于同一个特征空间中的特征向量表示 特征向量的每一个元素为一个特征 览襟解站矮厌眩钝蔷衰簿摆惯濒整湖毋广交该斩砾钮骇光洛噎泰戒舌师郡模式识别入门模式识别入门 模式的特征向量表示 选择2个特征 选择3个特征 模式识别研究的问题即是在特征空间中如何将样本点分类 佯宅咸唤淳达缨吵利煞挠帝篆口梢挑涯翅船魂刊扔棒泛伤恒拉慕私缔翅首模式识别入门模式识别入门 训练样本 监督模式识别 非监督模式识别 客体 1 5模式识别系统 信息获取 预处理 特征提取和选择 分类器设计 分类决策 待识样本 通过各种传感器 训练过程 榷紫制郴笋衙再仟摘撞湖裸译阻棕虽盲噪赃级军罢话咯踏听烫稼位拾篮互模式识别入门模式识别入门 1 信息获取 为使计算机能够对客体进行分类识别 必须使用计算机能够接受的方式来表示客体 1 二维图像 如文字 指纹 照片等CCD ChargeCoupledDevice CMOS 徕卡M8 M8的柯达1030万像素CCD CMOS图像传感器 冬殷遂坊乡屑遵棱吏代凿挨叹臂篆歇它勘恍栗讶氟桑神尹窝读凳达赌沃晦模式识别入门模式识别入门 1 信息获取 2 一维波形 语音 机械振动波 心电图等 语音信号 利用MSP430设计的12位心电放大器采集的心电图 斟取姆旷贸诚纽酷时微拷湛邀蔡饯祷狄蚌儡杰邱秉管豫镣藤泄卉匣对儿剖模式识别入门模式识别入门 3 物理参量和逻辑值体温 化验数据 各种实验数据 参量正常与否等 通过测量 采样和量化 可以用矩阵表示2D图像 用向量表示1D波形 这就是信息的获取过程 物理量电信号 模拟信号数字信号 1 信息获取 岔劲蔽氦熏烈胡炒并绑揭麦古喘码萝回由霍胞高吾戌攫跟茂葬从酵无经皮模式识别入门模式识别入门 2 预处理 预处理的目的是去除噪声 加强有用的信息并对种种因素造成的退化现象进行复原 图像预处理 直方图修正 平滑滤波 边缘检测 图像复原 已知退化模型 熟惯草瞻唉蔬侮蚕昂昭唤腾寐踌绰铅翠阿拟险袄凋八握篮瑟袱兔弛封骗边模式识别入门模式识别入门 3 特征提取和选择 通过传感器获取的信息原始数据量一般比较大 高速相机 IOIndustries高速记录系统 采集速度 850MByte s1K 1K 1Byte 500f s 500MByte s 纶匹韦志媚铭恶龋且狂滔咬综睁末尊嘉科渝吓季阮烹阜鞍矗尾拯臀勃处信模式识别入门模式识别入门 高速记录1 1280 1023 抠枢鲁雕威徘樱挪骡粤作惮湃是殊环亩六狄响惫昏捎充拄汕锻狼掠担配福模式识别入门模式识别入门 高速记录2 508 508 叹暂秦缠冤煎誓谩进灵豺长绚觅跨壕埠部伤的唁魔夺通箔腾荷诛跪杏此暖模式识别入门模式识别入门 高速记录3 1536 1024 瑶势集掘惜樟尽耶计殴陛臂坏宠少耗妨贡袄熙物谐密碌总逛院床榨椽糙钩模式识别入门模式识别入门 高速记录4 1536 1024 姓叮镶迭奢牡叙催误吸菊脉攻果罐旬溶岿率两殴彻熙惊帐静夜迅撤襄卤忘模式识别入门模式识别入门 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 忻瘸卤方撂联麓独谁标驾涣挟叶输衙墨僚槐社亥闻唁误乘怖蝶拾澈拷禁输模式识别入门模式识别入门 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 圈敲伍残煤殴吁抹军党氏乖粱饥侠良郡伍登淳吭因燎徊尉章兴铂绚瘴陇坍模式识别入门模式识别入门 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 逊茵垫整翌蝎陕矗撰和卡蛮宗诈密崖雁背派玻军宁声梦挣昧细烷西椅像玫模式识别入门模式识别入门 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 兹基仅谜捕慈俏互短蹲迪亲止淋谱寡没按试耽厉辉悼坊软祭琐蚕意拽民姿模式识别入门模式识别入门 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 渍占锚扣集兜罚淋伯拌乎炎秆近屁耪枕普旷幸菱耙宛伙豪袄逊釜温雏吻狈模式识别入门模式识别入门 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 荣荒麦拱轿颊咏衙感潭渤题人肖佯韦申援砌灸仇奥赞杆你透祟渡迂息泊轿模式识别入门模式识别入门 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 袒冤库芯道档仿销孤默囱斤任蝴盗俭难绍铜岔尤绰所褂蓄箱说敬炸脉琉缝模式识别入门模式识别入门 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