中科院学习课件模式识别第一.ppt

模式识别过程实例 在传送带上用光学传感器件对鱼按品种分类 鲈鱼(Seabass) 品种 鲑鱼(Salmon) 识别过程 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 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 识别过程 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，等等 … 分类决策：把特征送入决策分类器 模式分类器的获取和评测过程 数据采集 特征选取 模型选择 训练和测试 计算结果和复杂度分析，反馈 训练和测试 训练集：是一个已知样本集，在监督学习方法中，用它来开发出模式分类器。 测试集：在设计识别和分类系统时没有用过的独立样本集。 系统评价原则：为了更好地对模式识别系统性能进行评价，必须使用一组独立于训练集的测试集对系统进行测试。 实例：统计模式识别 19名男女同学进行体检，测量了身高和体重，但事后发现其中有4人忘记填写性别，试问（在最小错误的条件下）这4人是男是女？体检数值如下： 实例：统计模式识别（续） 待识别的模式：性别（男或女） 测量的特征：身高和体重 训练样本：15名已知性别的样本特征 目标：希望借助于训练样本的特征建立判别函数（即数学模型） 实例：统计模式识别（续） 由训练样本得到的特征空间分布图 实例：统计模式识别（续） 从图中训练样本的分布情况，找出男、女两类特征各自的聚类特点，从而求取一个判别函数（直线或曲线）。 只要给出待分类的模式特征的数值，看它在特征平面上落在判别函数的哪一侧，就可以判别是男还是女了。 实例：句法模式识别 问题：如何利用对图像的结构信息描述，识别如下所示图片： 实例：句法模式识别（续） 将整个场景图像结构分解成一些比较简单的子图像的组合； 子图像又用一些更为简单的基本图像单元来表示，直至子图像达到了我们认为的最简单的图像单元（基元）； 所有这些基元按一定的结构关系来表示，利用多级树结构对其进行描述（这种描述可以采用形式语言理论）。 实例：句法模式识别（续） 多级树描述结构 实例：句法模式识别（续） 训练过程： 用已知结构信息的图像作为训练样本，先识别出基元（比如场景图中的X、Y、Z等简单平面）和它们之间的连接关系（例如长方体E是由X、Y和Z三个面拼接而成），并用字母符号代表之； 然后用构造句子的文法来描述生成这幅场景的过程，由此推断出生成该场景的一种文法。 实例：句法模式识别（续） 识别过程： 先对未知结构信息的图像进行基元提取及其相互结构关系的识别； 然后用训练过程获得的文法做句法分析； 如果能被已知结构信息的文法分析出来，则该幅未知图像与训练样本具有相同的结构（识别成功），否则就不是这种结构（识别失败）。 本门课程的主要内容 第一章 概论 第二章 聚类分析 第三章 判别函数 第四章 统计判别 第五章 特征选择和提取 第六章 神经网络 第七章 句法模式识别 第八章 模糊模式识别 第九章 模式识别应用 相关数学概念 随机向量及其分布 随机向量 如果一个对象的特征观察值为{x1, x2, …, xn}，它可构成一个n维的特征向量值x，即 x = (x1, x2, …, xn)T 式中， x1, x2, …, xn为特征向量x的各个分量。 一个特征可以看作n维空间中的向量或点，此空间称为模式的特征空间Rn 。 相关数学概念 随机向量及其分布 随机向量 在模式识别过程中，要对许多具体对象进行测量，以获得许多次观测值。 每次观测值不一定相同，所以对许多对象而言，各个特征分量都是随机变量，即许多对象的特征向量在n维空间中呈随机性分布，称为随机向量。 相关数学概念 随机向量及其分布 随机向量的参数 数学期望和方差 协方差矩阵 [例：求随机变量的数学期望和协方差矩阵] 相关数学概念 正态分布 一维正态密度函数 相关数学概念 正态分布 多维正态密度函数 小结 模式和模式识别的概念 模式识别的发展简史和应用 模式识别的主要方法 模式识别的系统和实例 几个相关的数学概念 人有了知识，就会具备各种分析能力， 明辨是非的能力。 所以我们要勤恳读书，广泛阅读， 古人说“书中自有黄金屋。 ”通过阅读科技书籍，我们能丰富知识， 培养逻辑思维能力； 通过阅读文学作品，我们能提高文学鉴赏水平， 培养文学情趣； 通过阅读报刊，我们能增长见识，扩大自己的知识面。 有许多书籍还能培养我们的道德情操， 给我们巨大的精神力量， 鼓舞我们前进。 * 模式识别- 概念、原理（算法）及其应用 黄庆明 中国科学院大学计算机学院 qmhuang@ucas.ac.cn / qmhuang@jdl.ac.cn 助教：成仲炜（zwcheng@jdl.ac.cn）