ch1模式与模式识别概论.ppt

2．预处理 预处理的目的是去除噪声，加强有用的信息，并对种种因素造成的退化现象进行复原。 某人声音有杂音 清晰声音 图像预处理 语音信号预处理 模糊图像 清晰图像 3．特征提取 为了有效地实现分类识别，要对原始数据进行选择或变换，得到最能反应分类本质的待征，构成特征向量。 人脸几何特征 人脸部件规一化的点间距离和比率特征点 如眼角、嘴角、鼻尖等 人脸的颜色特征 黄皮肤、黑眼睛 统计特征 脸形模板和图象灰度的自相关性 4．分类器设计 为了把待识模式分配到各自的模式类中去，必须设计出分类判别规则。 基本作法是：用一定数量的样本(称为训练样本集)确定出一套分类判别规则，使得按这套分类判别规则对待识模式进行分类所造成的错误识别率最小或引起约损失最小。 分类器按已确定的分类判别规则对待识模式进行分类判别，输出分类结果。 监督学习和非监督学习 非监督学习 没有类别标签， 通常利用聚类方法完成 样本的分类 半监督学习 部分样本有类别标签， 目标与有监督分 类一致 监督学习 划分的类别已知，且训练样本已知类别信息 监督学习 监督学习和非监督学习 划分的类别已知，且训练样本已知类别信息 非监督学习 半监督学习 没有类别标签， 通常利用聚类方法完成 样本的分类 部分样本有类别标签， 目标与有监督分 类一致 地面覆盖物的图示 两波段多光谱图像 聚类的各种特征 应用领域 1.3 模式识别的应用 文本分类 文本图像分析 工业自动化 数据挖掘 多媒体数据库检索 生物特征识别 语音识别 生物信息学 遥感 …… 1.3 模式识别的应用 ? 准确性 ? 速度 ? 存储量 ? 价格 指纹识别 指纹采集 生成指纹图像 预处理 （极值滤波） （一次平滑） （锐化） （二次平滑） 细 化 二 值 化 提 取 特 征 点 指纹库 指纹匹配 输出结果 指纹图像处理 1.3 模式识别的应用 语音信号处理与识别 ?语音识别 ? 说话人识别 ? 语种识别 ? 口音识别 1.3 模式识别的应用 人脸图像识别 ? 人脸检测和定位 ? 人脸识别 ? 虹膜识别 应用： 图象压缩 视频监视 基于内容的图象检索 医学信号的处理、识别和分类： 细胞正常与异常判断，染色体分类，心电脑电图，测谎仪… 1.3 模式识别的应用 应用领域 1.3 模式识别的应用 1. 模板匹配识别方法 2. 句法识别方法 3. 统计识别方法 4. 人工神经网络方法 1.4 模式识别方法 模版匹配 首先对每个类别建立一个或多个模版 输入样本和数据库中每个类别的模版进行比较，求相关或距离 根据相关性或距离大小进行决策 优点：直接、简单 缺点：适应性差 方法 句法模式 许多复杂的模式可以分解为简单的子模式，这些子模式组成所谓 “基元” 每个模式都可以由基元根据一定的关系来组成 基元可以认为是语言中的词语，每个模式都可以认为是一个句子，关系可以认为是语法 模式的相似性由句子的相似性来决定 优点：适合结构性强的模式 缺点：抗噪声能力差，计算复杂度高 方法 句法模式 方法 统计方法 根据训练样本，建立决策边界 统计决策理论——根据每一类总体的概率分布决定决策边界 判别式分析方法——给出带参数的决策边界，根据某种准则，由训练样本决定“最优”的参数 本课程的重点内容 方法 神经网络 神经网络是受人脑组织的生理学启发而创立的。 由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以在不同的神经元之间传递增强或抑制信号。 增强或抑制是通过调整神经元相互间联系的权重系数来（weight）实现。 进行大规模并行计算的数学模型 优点：可以有效的解决一些复杂的非线性问题 缺点：缺少有效的学习理论 方法 习题 试简述样本，模式和模式类等概念间的关系。 试简述模式识别系统的主要组成部分。 武汉理工大学理学院 2013 理学院 武汉理工大学 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 武汉理工大学理学院 2013 第一章 概论 Pattern Recognition wanwanyuan@ 1 模式及模式识别的概念 2 模式识别系统 3 模式识别的应用 4 模式识别的方法 第一章 模式识别概论 1.1 模式及模式识别的概念 模式识别(Pattern Recognition)：确定一个样本的类别属性（模式）的过程，即把