信息工程概论课件 第六讲 信息的识别

第6讲信息的识别6.1信息的表示方法信号表示：对各种需要测量的“量”可以通过传感器转换为电量，并以信号的形式进行表示。符号表示：一般不同的事物要用不同的信号进行表达，这样描述起来就不很方便，因此，科学家就对事物进行形式化抽象，抽取出一类事物共同的特征（这是一个从特殊到一般的过程），并以符号的方式进行表达，这就是信息的符号表示。机器表示：为了可以使用计算机来存储和处理信息，可以将符号表示的信息通过编码的方式变成一种计算机“可懂”的“数据”，这就是信息的机器表示。信息科学导论6.1信息的表示方法语音信息表示语音信号的数字化处理主要包括三个基本环节：抽样、量化、编码。计算机中语音信息数字化的标准抽样频率通常是11.025、22.05、44.1KHz、64KHz,频率越高保真度越好，但得到的数据量越大，需要的存储空间也越大。量化是将抽样后的信号按幅度分成有限个电平级别，幅度落在同一个级别范围的用同一个电平级别表示。量化过的信号就成为数字信号，记为PCM（Pulse-CodedModulation）。因为PCM的幅度为有限个，所以可以用二进制编码表示，通常采用16比特分段编码的方式进行编码，即PCM编码。信息科学导论6.1信息的表示方法图形图像数据表示（1）位图（Bitmap）位图使用像素阵列来表示图像，用于表示计算机中的静态图片，位图文件有很多种的格式，如扩展名为.BMP.JPG.GIF.PIC文件都属于位图。在位图中图像将由每一个像素点的位置和色彩值来决定。计算机中图像根据颜色可分为黑白图像、灰度图像和真彩色图像。（2）矢量图(Vector)计算机中矢量图使用直线和曲线来描述图形，矢量图由一系列的点、线段、圆、多边形和曲线等图形元素组成，而这些图形又可以用数学表达式的方式来描述，因此矢量图可以用数学计算的方法来存储和显示。比如一个圆，如果用矢量方式来描述，只需要存储它的圆心坐标和半径大小即可。由于矢量图形可通过公式计算获得，所以矢量图形文件体积一般较小，存储量较少。信息科学导论6.2信息的识别信息特征获取前述信息获取主要解决“是否有信息存在”的问题，但这还不够，还需要对所感知的信息作出判断，解决“存在的信息属于哪一类”的问题，这就是信息识别（也叫模式识别）的问题。目前所讨论的信息识别只能是基于语法信息的识别，也就是采用类比方式进行的识别：将所感知的事物运动状态及其变化形式与特定形式的“模板”进行比较、匹配，确定二者是否相同。常规的做法是提取那些能代表事物主体的特征：一组形式化的参量，即用很少的数据量来表征某一事物的状态和状态变化方式。

信息科学导论6.2信息的识别信息特征获取把不同方面的特征有效集成起来获得更全面地认识，这便是“（特征）信息融合”问题。融合(Fusion)是指采集并集成各种信息源、多媒体和多格式信息，从而生成完整、准确、及时和有效的综合信息过程。按照融合过程中信息抽象的层次，可以将信息融合过程分为三个层次，即数据层(DataLevel)融合、特征层(FeatureLevel)融合和决策层(DecisionLevel)融合。

信息科学导论信息识别的模型6.2信息的识别信息科学导论以二元识别为例来说明统计识别法的基本工作原理。于是，任一模式只有两种可能的类属。用符号Ω表示模式空间，Ω1表示第一类模式的子空间，Ω2表示第二类模式的子空间，ω1和ω2分别表示Ω1和Ω2中的点，即Ω=｛Ω1，Ω2｝，其中6.3统计识别方法现有一未知模式x，问题是要识别究竟x∈Ω1还是x∈Ω2？ 显然，在判断x的归属时有四种可能：

1，x本属Ω1，判为x∈Ω1：判决正确；2，x本属Ω1，判为x∈Ω2：判决错误；3，x本属Ω2，判为x∈Ω1：判决错误；4，x本属Ω2，判为x∈Ω2：判决正确。信息科学导论6.3统计识别方法举例：假设在某个局部地区细胞识别中正常(ω1)和异常(ω2)先验概率为： 现有一待识别的细胞，其观察值为x，从类条件概率密度分布曲线上查得： 试用最小错误率分类方法对该细胞进行分类。信息科学导论6.3统计识别方法解：利用贝叶斯公式可得信息科学导论6.3统计识别方法如果故合理的决策是把x归类于正常状态。基于最小错误率的贝叶斯决策规则为：则把x归类于正常状态ω1，反之归于异常状态ω2利用贝叶斯公式还可以得到其它决策的等价形式：似然比阈值信息科学导论6.3统计识别方法对细胞的分类不仅要考虑到尽可能作出正确判断，而且还要考虑到作出错误判断时会带来什么后果，因此，引入“损失”概念，在考虑错判所造成的损失时，就不能只根据后验概率的大小来做决策，而必须考虑所采取的决策是否使损失最小，为此建立一个决策表。状态损失决策自然状态ω1ω2Α1(判为ω1)C11C12α2(判为ω2)C21C22信息科学导论6.3统计识别方法Cij表示示本属Ωi的x判为x∈Ωj所引起的损失，i，j=1，2.因此在采取决策αi情况下的条件期望损失为：最小风险贝叶斯决策规则为：信息科学导论6.3统计识别方法状态损失决策自然状态ω1ω2α1(判为ω1)06α2(判为ω2)10在上例中，若决策表：信息科学导论6.3统计识别方法由上例知后验概率为：再计条件风险：信息科学导论6.3统计识别方法由于则采取决策α2，即判待识别的细胞为异常（ω2）总之，统计模式识别方法的基本原理是要求出待识模式的某种统计特征（即鉴别函数和判决阈），然后通过类比的准则作出分类判决。信息科学导论信息识别的基本原理总结如下：第一,语法信息识别（分类）的基本原理是信息特征的比较。不同类别的信息，其特征也不相同。因此，只要把握了类别特征，原则上就可能准确识别。第二,识别的准则是：相似而认同，相异而