张鸿宾模式识别-第一讲.pptVIP

模 式 识 别 Pattern Recognition 张鸿宾 第一章 绪论 模式识别的研究内容、方法和应用 模式识别学科已经有近五十年的历史了。 广义上讲——如何使机器具有智能。和人工智能学科一样。 狭义上讲——研究模式的分类、聚类、决策和估计问题。 使机器具有智能是人类的愿望。（机器是人手的延长， 智能机是人脑的延长） 但使机器具有智能这个工作很不容易，仍然有许多谜，人脑的机制不明。 尽管已有近五十年的历史，但仍有许多的问题待解决，也可以说刚起步。 Ross在1998年的书中说，“…一个好的计算机程序可以帮助银行对人的信用评估，帮助医生诊断疾病，帮助飞机驾驶员着陆…，所以应该更加重视模式识别的教学。 这一节介绍什么是模式识别、模式识别的方法、模式识别的应用，然后结合一些例子说明模式识别的一些基本概念。 一. 什么是模式识别 使机器具有能够自动地对物体描述、分类、分组是科技、工程中的重要问题 。 在社会科学、生物学、心理学、医学、市场分析预测、自动化、计算机视觉、人工智能、遥感、军事、生物特征识别等问题中有重要应用。 什么是模式呢？ Watanabe定义模式 “as opposite of a chaos; it is an entity, vaguely defined, that could be given a name. ……模式，（匈牙利，波兰，新加波…) 相似但又不完全相同的一些物体、现象，不混沌（chaos）。 模式可以是一个手写的字符、一幅指纹图像、一幅人脸的图像、一段语音信号等。 模式(pattern)这个单词的 两种用法 ：单个，模式类 模式的识别/分类可能有两种方式： 有监督的分类/识别（Supervised Classification）：把模式分到预先定义好的类里去。 无监督的分类/识别（Unsupervised Classification, clustering）：基于相似性，把模式聚合成一定的类。 二. 模式识别的应用 随着计算机性能的提高、Internet的迅速发展，模式识别的应用不仅在它的传统领域，如文字识别、语音识别、指纹识别、遥感图像、医学…等越做越好，而且涌现了很多新的应用。例如数据挖掘（data mining）、文档的分类（document classification）、财政金融、股票的预测、预报，多媒体数据库的检索，基于biometrics（生物统计学）的人的身份鉴别，甚至有的人研究识别人的感情。 特征是数据驱动提取的，不是专家建议的。 模式识别应用的一些例子 模式识别应用的一些例子（续） 模式识别应用的一些例子（续） 模式识别应用的一些例子（续） 三. 模式识别的方法 随着供模式识别系统使用的计算机的性能（速度和存储能力）的提高，使得使用更复杂的算法、使用多信息源、多种算法的融合与集成来处理更多的数据成为可能。另一方面，现实中的问题要求更高（速度、精度、代价）。 在要解决的问题更复杂的情况下，单一的模式识别方法、单一的数据源已经达不到要求 要组合不同的方法（算法）、不同传感器的信息。（Fusion，Several sensing modality) 一个模式识别系统，基本上都包括以下三个方面 数据的获得和预处理 数据的表示 分类、决策（decision making） 在解决不同的具体问题时，要根据该问题的性质，确定传感器、预处理、数据的表示和分类算法 常用的模式识别方法 模板匹配（template matching） 统计的方法（statistical P.R.） 句法或结构的方法（syntactic or structural P.R.） 人工神经网络的方法（artificial neural network, ANN） 这些方法不是绝对独立的，同一种方法有不同的解释，有时要混合使用。 1.模板匹配 模式识别中使用最早、最简单、直观的方法 所谓匹配是一类运算，用来确定两个对象间（点集、曲线、面、形状）间的相似性。 在模板匹配中，要有一个模板（一般是一个二维形状）或一个模式原型（prototype），待匹配的模式和这个预先存储好的模板相匹配 模板本身也是从训练样本中学习得来的 模板匹配一般要花费较大的计算量，随着计算机速度的加快，这种方法变得更可行了 1. 模板匹配(续） 刚性模板匹配的缺点：处理畸变模式难 传感器问题、视点改变、类内偏差大… 使用变形模板 2. 统计模式识别 在统计模式识别中，每一模式是用一个d维的测量值、特征向量来表示的，它是d维特征空间的一个点。目标是选择这样的一些特征，使同一类的模式在空间中尽量紧凑，而不同类的模式间尽量分开、不相