模式识别概述

模式识别

PatternClassification

第一章:模式识别概述一个例子通过光学感知手段，将传送带上的鱼进行自动分类

鲈鱼

鱼类

鲑鱼3AppliedPatternRecognitionCSE616问题分析架设一台摄影像机，拍摄若干样品的图像提取用于区分两类鱼的有效特征(feature)长度光泽度宽度鳍的数目和形状嘴的位置，等等…….上述参数即是我们对两类鱼进行分类的备选特征4AppliedPatternRecognitionCSE616

预处理（preprocessing）去除干扰，图像增强采用图像分割技术将不同的鱼分离开来，或者将鱼同背景分开特征提取（featureextraction）将每条鱼的数据送入特征提取器，通过测量特定的“特征”或“属性”来简化原始数据类将特征送入分类器，以便进行分类

5AppliedPatternRecognitionCSE616鲑鱼鲑鱼鲈鱼6AppliedPatternRecognitionCSE616分类（Classification）根据先验知识：鲈鱼长度一般要比鲑鱼大选择长度（length）作为可能的分类特征获取足够多的样本（训练样本）进行统计（直方图）确定合适的长度临界值L*

作为分类标准7AppliedPatternRecognitionCSE616鲑鱼鲈鱼分类标准8AppliedPatternRecognitionCSE616单一的特征判据（长度）不足以完全正确分类无论怎样确定临界值，都有无法仅凭长度就把两类鱼截然分开9AppliedPatternRecognitionCSE616选择光泽度（lightness）作为分类特征获取足够多的样本（训练样本）进行统计（直方图）确定合适的光泽度临界值x*作为分类标准以光泽度为分类特征，两类鱼的分离性更好！10AppliedPatternRecognitionCSE616分类标准鲑鱼鲈鱼11AppliedPatternRecognitionCSE616判别边界与判别代价

无论采用哪一种特征进行分类都有代价：误判上述判别边界假设将鲑鱼误判为鲈鱼和将鲈鱼误判为鲑鱼的代价相等（对称代价）非对称代价：调整判别边界的位置决策论12AppliedPatternRecognitionCSE616鲑鱼鲈鱼调整判别边界，减小判别代价13AppliedPatternRecognitionCSE616为获取更好的分类效果，组合运用多个特征

选取光泽度（lightness）和宽度（width）作为分类特征鱼 xT=[x1,x2]特征向量：xT=[x1,x2]LightnessWidth14AppliedPatternRecognitionCSE616鲑鱼鲈鱼判别标准：判别边界组合特征优于单一特征15AppliedPatternRecognitionCSE616需要考虑的问题：特征越多分类性能越好吗？什么样的特征才是好的特征？特征的相关性与冗余？16AppliedPatternRecognitionCSE616如何获取判别边界：判别模型？

什么样的判别边界才是最优的：模型优化？

17AppliedPatternRecognitionCSE616复杂的模型鲑鱼鲈鱼18AppliedPatternRecognitionCSE616复杂的模型可保证对所有训练样本正确分类过于复杂的模型将导致复杂的判别曲线新模式推广能力差19AppliedPatternRecognitionCSE616分类系统的目标是对未知的样本正确分类，而不仅仅是对训练样本分类必须在模型复杂度和推广能力之间进行折中考虑最优模型20AppliedPatternRecognitionCSE616鲑鱼鲈鱼优化的判别边界21AppliedPatternRecognitionCSE616什么是模式识别？定义利用机器（计算机）模仿人脑对现实世界各种事物进行描述、分类、判断和识别的过程。目标用计算机实现具有感知、识别、理解、自学习和自适应能力的灵活和智能的计算机器。22AppliedPatternRecognitionCSE616模式识别的产生与发展起源于20世纪40年代研究初期，模式识别被看作动物所具有的自然生理现象，很多人认为不值得研究。当人们试图使计算机去具有人脑的识别能力后，模式识别的难度和重要性才得以重视。23AppliedPatternRecognitionCSE616模式识别的产生与发展随着计算机技术的发展，60年代后模式识别迅速发展为一门相对独立的新兴交叉学科明确的问题定义、严格的数学基础、坚实的理论框架、丰富的理论和应用成果、广阔的应用前景24AppliedPatternRecognitionCSE616模式识别的相关学科模式识别人工智能计算机视觉机器学习认知科学心理生物学25AppliedPatternRecognitionCSE616模式识别的应用语音识别与理解（Speechrecognition）语音识别说话人识别语种识别语音情感识别特定人、非特定人母语、非母语孤立音、连续音26AppliedPatternRecognitionCSE616模式识别的应用字符识别（CharacterRecognition）手写体印刷体汉字、英文、阿拉伯数字27AppliedPatternRecognitionCSE616模式识别的应用生物特征识别指纹识别掌纹识别人脸识别虹膜识别28AppliedPatternRecognitionCSE616模式识别的应用生物医学信号识别心电图、心音、多普勒生物信号、染色体、DNA序列图像检索军事目标跟踪与识别遥感图像处理29AppliedPatternRecognitionCSE616研究模式识别的意义通过模式识别的研究和应用，提高和扩展计算机的应用能力和领域，促进人工智能的应用与发展促进人们对人脑识别过程的理解和认识30AppliedPatternRecognitionCSE616模式识别存在的问题模式识别是一门快速发展的新兴学科，涉及到多学科、多领域的复杂问题和生物认知系统相比，现有人工模式识别系统的适应和识别能力还远远不能令人满意模式识别的许多理论和基本方法方面的问题还远没有得到解决新问题层出不穷传统方法均存在一定的局限性31AppliedPatternRecognitionCSE616模式识别的理论基础概率论与数理统计随机过程线性代数优化方法形式语言学32AppliedPatternRecognitionCSE616模式识别的基本方法模式识别方法经典方法现代方法统计决策方法句法方法神经网络方法模糊模式识别33AppliedPatternRecognitionCSE616模式识别的基本方法统计决策法基于模式的定量描述与统计规律的识别方法，是模式识别最经典、最成熟的方法，目前广泛应用于模式识别的各个领域原理：样本观测值特征概率统计决策准则分类34AppliedPatternRecognitionCSE616模式识别的基本方法统计方法鲑鱼鲈鱼决策标准：判别边界35AppliedPatternRecognitionCSE616模式识别的基本方法句法方法基于模式的空间结构特征的定性描述与形式语言学的方法，广泛应用于字符识别、图像识别等领域原理：样本基元字符串形式语言文法分类36AppliedPatternRecognitionCSE616模式识别的基本方法句法方法定义基元：37AppliedPatternRecognitionCSE616模式识别的基本方法模糊模式识别基于模糊数学和统计分析的识别方法，在不能明确描述模式特征和结构的复杂模式识别问题中得到了成功应用根据隶属度和模糊文法进行分类