模式识别介绍课件

1、第1章 绪论 1.1 模式和模式识别的基本概念 1.2模式识别系统 1.3模式识别的发展及应用1.4本课程授课按排及考核标准1.1 模式和模式识别1.1.1模式1.1.2模式识别 返回本章首页1.1.1模式“模式”这个概念的内涵是很丰富的,我们把凡是人类能用其感官直接或间接接受的外界信息都称为模式,比如,文字、图片、景物是模式,声音,语音是模式,心电图、脑电图、地震波等也是模式。广义地说,存在于时间和空间中可观察的事物,如果我们可以区别它们是否相同或是相似,都可以称为模式,但模式所指的不是事物本身,而是我们从事物获得的信息, 因此, 模式往往表现为具有时间和空间分布的信息。 1.1.2模式识别

2、 模式识别属于人工智能范畴，人工智能就是要用机器去完成过去只有人类才能做的智能活动。模式识别就是要用机器去完成人类智能中通过视觉听觉触觉等感官去识别外界环境的自然信息的这些工作。对于比较简单的问题,可以认为识别就是分类。但是，对于比较复杂的识别问题,就往往不能用简单的分类来解决,还需要对待识别模式进行描述。例如，汉字识别和景物识别 。l 模式识别作为一门技术科学 目的就是要研究出能自动进行模式分类和描述的机器系统，以完成人类的模式识别的功能. 它与人工智能范畴的其它分支的目标是一致的，都是要用机器来代替人类的部分智力活动l 模式识别是一门新的研究领域 到目前为止， 它的理论和技术远未完善l模式

3、识别也是一门边缘技术学科 它与人工智能、信号处理、计算机技术、概率统计、模糊集论、信息论、数字图像处理、形式语言学、心理学等都有密切的关系二、模式识别系统 返回本章首页l 数据获取 通过测量、采样和量化获取数据的过程l 预处理 去出噪声,加强有用的信息,复原退化现象 l特征提取和选择 得到最能反映分类本质的特征 分类决策 就是在特征空间中用统计方法把被识别 对象归为某一类别1.3.1文字识别 1文字识别是在模式识别领域中发展得最成熟并得到最广泛应用的一个方面。早在1929年Tauschek就试图用模板匹配的方法去识别十个印刷体阿拉伯数字。文字识别在这个原始方法的基础上不断地加以改进。但这类方法

4、对于字体、位置和印刷油墨、纸张质量等都有特别的要求，终因光电方法的条件限制而没有得到推广应用。只有在计算机技术有了长足的进步之后文字识别才得以真正发展。按识别对象，文字识别分为西文字符、阿拉伯数字和汉字识别等返回本节2、模式识别的发展历史60年代初，数理统计学中已经形成了完整的统计决策理论；70年代中期，美籍华人傅京孙教授建立了句法模式识别理论；80年代，在傅京孙教授的指导下，我国的一批专家学者在美国进修，回国后开展了我国的模式识别研究。1.3.2 语音识别语音识别的复杂性和难度都很高，因为要抽取语音的特征，不仅需要分析语言的结构和语言的物理过程，而且还涉及听觉的物理和生理过程。语音识别的两类

5、课题：识别人们的语言，它可能是不同的人们在不同的环境背景下的声音。发生者的识别，这在身份鉴别中能起到很到作用返回本节1.3.4其它方面的应用 模式识别进行遥感图片的分类，可以完成大量的信息处理工作；在军事上，可见光、雷达、红外图像的分析与识别，可以检出和鉴别目标的出现，判断目标的类别并对运动中的目标进行监视和跟踪。采用地形匹配的方法校正飞行轨道以提高导弹的命中精度，也是模式识别的重要应用课题。此外，模式识别在鉴别人脸和和指纹，地质勘测、高能物理，机器人技术等方面也有很多用处。返回本节1.2本课程的授课安排及考核标准返回本章首页由于本课程教学计划安排学时数为32学时，现针对教材，主要讲授以下内容

6、：第2章 Bayes决策理论（重点掌握）2.1 最小错误概率的Bayes决策2.2 最小风险的Bayes决策2.3 在限定一类错误率条件下使另一类错误率为最小的两类别决策Neyman-Pearson决策2.4 最小最大决策返回本章首页2.5 Bayes分类器设计和判别函数2.6 正态分布时的Bayes决策 2.7 离散情况的Bayes决策第3章 概率密度函数的估计（了解）3.1 参数估计（极大似然估计和Bayes估计和Bayes学习）3.2 非参数估计（概率密度密度估计的基本方法和Parzen窗法）返回本章首页第4章 线性判别函数（重点掌握）4.1 线性判别函数和决策面4.2 感知准则函数 4.3 最小平方误差准则函数（MSE ）4.4 Fisher线性判别函数 4.5 多类情况下的线性判别函数和固定增量算法4.6 分段线性判别函数返回本章首页第6章 近邻法（了解）非监督学习方法的部分内容合并到此章介绍。第7章 特征的抽取和选择（掌握）基于K L展开式的特征提取合并到此章介绍。其它内容不作要求课程小结：讲授模式识别的应用