计算机科学理论模式识别课件PPT资料

计算机科学理论(lǐlùn)模式识别课件第一页，共29页。课程(kèchéng)对象信息工程专业本科生的专业课学院(xuéyuàn)硕士研究生的学位课学院(xuéyuàn)博士研究生的必修课之一第二页，共29页。学习(xuéxí)方法着重理解

基本概念

基本方法(fāngfǎ)

算法原理注重理论与实践紧密结合

第三页，共29页。基本(jīběn)要求基本：完成课程学习，通过考试，获得学分。提高：能够将所学知识和内容用于课题研究，解决实际问题(wèntí)。飞跃：通过模式识别的学习，改进思维方式，为将来的工作打好基础，终身受益。第四页，共29页。课程内容及安排(ānpái)第一章引论 (2学时)第二章聚类分析 (4学时)第三章判别域代数界面方程法 (4学时)第四章统计判决 (4学时)第五章统计决策中的学习与估计（4学时)第六章最近邻方法（2学时)第七章特征提取与选择 (2学时)复习 (2学时)实验 上机实验 (8学时)作业(zuòyè) 每章课后布置习题考核笔试(70%)+实验(20%)+作业(zuòyè)(10%)第五页，共29页。教材(jiàocái)及参考教材(jiàocái)教材(jiàocái)孙即祥，《现代模式识别》，国防科技大学出版社，参考教材(jiàocái)J.P.MarquesdeSa,《模式识别-原理、方法及应用》，清华大学出版社，2002.11边肇祺等，《模式识别》（第二版）清华大学出版社SergiosTheodoridis,李晶皎等译，模式识别（第三版），电子工业出版社，2006第六页，共29页。第一章 引论1.1 模式(móshì)和模式(móshì)识别1.1.1模式和模式识别的概念识别是人类的基本行为模式识别（PatternRecognition）——使用(shǐyòng)计算机来辨别事物。机器识别，计算机识别，机器自动识别。第七页，共29页。1.2模式识别(móshìshíbié)系统第八页，共29页。概念样本（Sample)：一个具体的研究（客观）对象。如某人写的一个汉字，一幅图片等。模式（Pattern）：对客体（研究对象）特征的描述（定量的或结构的描述），是取自客观世界的某一样本的测量值的集合（或综合）。模式类（Class）：具有某些共同(gòngtóng)特性的模式的集合。第九页，共29页。特征矢量(shǐliàng)：设一个研究对象的个特征量测量值分别为,我们将它们作为一个整体来考虑,让它们构成一个维特征矢量(shǐliàng)。特征空间:各种不同取值的特征矢量(shǐliàng)的全体构成了维特征空间。注：特征矢量(shǐliàng)就是特征空间中的一个点。

(颜色(yánsè)（绿/红）,似圆度)第十页，共29页。颜色(yánsè)（绿/红）似圆度模式识别(móshìshíbié)：确定一个样本的类别属性（模式类）的过程，即把某一样本归属于多个类型中的某个类型。模式分类的过程。第十一页，共29页。1.1.2机器与人类识别(shíbié)事物原理的比较人类(rénlèi)：具有抽象抽象概念的能力总结规律，抽象出概念机器：缺乏抽象能力基本方法是计算第十二页，共29页。1.1.3模式识别(móshìshíbié)技术的应用领域生物学自动细胞学、染色体特性研究、遗传研究天文学天文望远镜图像(túxiànɡ)分析、自动光谱学经济学交易预测、企业行为分析医学心电图分析、脑电图分析、医学图像(túxiànɡ)分析第十三页，共29页。文字识别(shíbié)（CharacterRecognition）OCR（OpticalCharacterRecognition）智能交通（IntelligentTraffic）车牌、车型语音识别(shíbié)（Speechrecognition）翻译机，身份识别(shíbié)等目标识别(shíbié)ATR（AutomaicTargetRecognition）第十四页，共29页。（1）确定患者的病症：测量体温、血压，化验血沉，询问临床表现（模式采集）；（2）医生运用医学知识和个人(gèrén)经验（分类判决规则），根据主要病症（特征提取/选择），作出诊断（分类判决）：该患者（模式样本）患了何种疾病（模式类）。例子(lìzi)1：诊断1.2模式识别(móshìshíbié)系统第十五页，共29页。1.2模式识别(móshìshíbié)系统数据(shùjù)采集特征提取正确率测试(cèshì)数据采集特征提取改进分类识别规则二次特征提取与选择分类识别改进采集提取方法二次特征提取与选择改进特征提取与选择制定改进分类识别规则待识对象训练样本人工干预识别结果第十六页，共29页。例子(lìzi)2：苹果和香蕉的分类颜色(yánsè)（绿/红）似圆度1.2模式识别(móshìshíbié)系统第十七页，共29页。18纸币(zhǐbì)识别器对纸币(zhǐbì)按面额进行分类

面额

例子(lìzi)3：纸币识别系统5元10元20元50元100元第十八页，共29页。19 长度(chángdù)(mm) 宽度(mm)5元 136 6310元 141 7020元 146 7050元 151 70100元 156 77例子(lìzi)3：纸币识别系统第十九页，共29页。20 磁性(cíxìng) 金属条位置(大约)5元 有 54/8210元 有 54/8720元 有 57/8950元 有 60/91100元 有 63/93例子(lìzi)3：纸币识别系统第二十页，共29页。21数据采集、特征提取：长度(chángdù)、宽度、磁性、磁性的位置等等特征选择：长度(chángdù)、位置分类识别：确定(quèdìng)纸币的面额例子3：纸币识别系统第二十一页，共29页。各类空间(kōngjiān)（Space)的概念对象(duìxiàng)空间模式(móshì)空间特征空间类型空间模式采集：从客观世界（对象空间）到模式空间的过程称为模式采集。特征提取和特征选择：由模式空间到特征空间的变换和选择。类型判别：特征空间到类型空间所作的操作。1.3特征矢量和特征空间所有样本观测数据构成的空间第二十二页，共29页。1.3特征矢量(shǐliàng)和特征空间第二十三页，共29页。1.4模式识别(móshìshíbié)方法统计判决(pànjué)句法结构模糊判决(pànjué)逻辑推理神经网络第二十四页，共29页。（1）统计(tǒngjì)判决理论基础：概率论，数理统计(shùlǐtǒnɡjì)模式描述方法：特征向量主要方法

几何分类：线性分类，非线性分类

统计分类：Bayes决策

无教师的分类：聚类分析主要优点

1）比较成熟

2）能考虑干扰噪声等影响

3）识别模式基元能力强主要缺点

1）对结构复杂的模式抽取特征困难

2）不能反映模式的结构特征，难以描述模式的性质

3）难以从整体角度考虑识别问题第二十五页，共29页。（1）统计(tǒngjì)判决计算机科学理论(lǐlùn)模式识别课件计算机科学理论(lǐlùn)模式识别课件例子(lìzi)3：纸币识别系统5元 有 54/82模式采集：从客观世界（对象空间）到模式空间的过程称为模式采集。为,我们将它们作为一个整体来（1）统计(tǒngjì)判决长度(chángdù)、宽度、磁性、磁性的位置等等为,我们将它们作为一个整体来2）能反映模式的结构特征，能描述模式的性质。翻译机，身份识别(shíbié)等设一个研究对象的个特征量测量值分别孙即祥，《现代模式识别》，国防科技大学出版社，100元 有 63/93第二十四页，共29页。（2）句法结构理论基础：形式语言(yǔyán)，自动机技术模式描述方法：符号串，树，图模式判定：是一种语言(yǔyán)，用一个文法表示一个类，m类就有m个文法，然后判定未知模式遵循哪一个文法。主要优点

1）识别方便，可以从简单的基元开始，由简至繁。

2）能反映模式的结构特征，能描述模式的性质。

3）对图象畸变的抗干扰能力较强。主要缺点

当存在干扰及噪声时，抽取特征基元困难，且易失误。第二十六页，共29页。（3）模糊(móhu)判决理论基础：模糊数学 模式描述方法：模糊集合A={(a,a),(b,b),...(n,n),} 模式判定：是一种集合运算。用隶属度将模糊集合划分为若干(ruògān)子集，

m类就有m个子集，然后根据择近原则分类。 主要优点

由于隶属度函数作为样本与模板间相似程度的度量，故往往能反映整体的与主体的特征，从而允许样本有相当程度的干扰与畸变。主要缺点

准确合理的隶属度函数往往难以建立，故限制了它的应用。第二十七页，共29页。（4）逻辑推理理论基础：演绎逻辑，布尔代数 模式描述方法：字符串表示的事实 模式判定：是一种布尔运算。从事实出发运用一系列规则，推理(tuīlǐ)得到不同结果，m个类就有m个结果。 主要优点

已建立了关于知识表示及组织，目标搜索及匹配的完整体系。对需要众多规则的推理(tuīlǐ)达到识别目标确认的问题，有很好的效果。缺点

当样本有缺损，背景不清晰，规则