模式识别课件-(7.8)--现金识别器.pptVIP

大家好，我们将为大家讲解运用模式识别的相关理论来解决现实生活中现金识别的一个实验案例。 * * * * * 取8维矢量作为判别的特征向量 * 由于各个传感器之间是相互独立的 * 由于各个传感器之间是相互独立的 * * * 比如：一张属于100Ａ面的训练样本， * 由于每个传感器都可以得到一个相关系数，我们取测试样本与１００Ａ面的标准样本的8个传感器的相关系数的均值作为测试样本与１００Ａ面的标准样本的相关系数，之后我们再取测试样本与不同面的标准样本之间的相关系数的最大值。 接下来，当有一张纸币需要判别时， 通过前一步判出币值后，我们分别以当前采集到的样本点数，并以10点为步长增加样本点数，依次进行相关系数的计算，当有一个按上述方法得到的相关系数小于阈值，就将其判为假钱，只有当所有相关系数都大于阈值时，才判为真钱。 * 由于每个传感器都可以得到一个相关系数，我们取测试样本与１００Ａ面的标准样本的8个传感器的相关系数的均值作为测试样本与１００Ａ面的标准样本的相关系数，之后我们再取测试样本与不同面的标准样本之间的相关系数的最大值。 接下来，当有一张纸币需要判别时， 通过前一步判出币值后，我们分别以当前采集到的样本点数，并以10点为步长增加样本点数，依次进行相关系数的计算，当有一个按上述方法得到的相关系数小于阈值，就将其判为假钱，只有当所有相关系数都大于阈值时，才判为真钱。 * * Sampling 国防科技大学电子科学与工程学院 二零一零年四月二十日 实验目的 实验内容 实验原理 实验步骤 结果分析 随着经济的迅速发展，商品交流日渐频繁，使得纸币的流通快速增加，依旧依靠传统方法进行人工现金识别已满足不了经济发展需求。另一方面，随着机器的自动化、智能化发展日渐成熟，如何利用自动化的优势进行现金的快速识别和检测成为了一个亟待解决的实际问题。 本实验的目的是利用现代模式识别理论，设计并实现有效的现金识别算法。 在纸币进入纸币机的过程中，通过布置在纸币机中的8个光学传感器采集样本数据，并根据采集到的样本数据对纸币进行币值识别和真伪判定。达到快速识别币种，并及时判别出真伪的目的。 即方案目的有两点：纸币的币值识别和纸币的真伪判定 由于样本数据的采集总会受到随机因素的干扰，其具有一定的随机性，而且同一类的不同个体的某个特征分量的值也是按某种规律散布的，特征分量数值的随机性反映至个体上就涉及模式类别判决结果的随机性，因此用统计判决解决分类识别问题，从理论上和总体上都将是更为合理和可靠的。 因此，一种可行的实验方案如下： 首先，根据训练样本数据，运用Bayes估计的方法确定了各类的类概密，并运用统计判决中的最小损失准则对纸币的币值进行了判定。之后，利用基于相关系数的最近邻方法判别纸币的真伪。 纸币的币值识别 纸币的真伪判定 1、数据的采集和重排 2、各类类概密的计算 3、分类识别 对一张纸币同时使用8路传感器进行采样，每次就可得到一个8维数据矢量。对一张钱币的采样次数设置为60，因此通过对一张纸币进行完整的采样，可以得到一个8*60的数据矩阵。 在本方案中，选取了每次采集得到的8维矢量作为特征矢量。为了能够更好的调用数据，可将每个样本文件 中的数据编排成了一个8*（60*32）的矩阵。其中32指一个样本文件中每张纸币的编号。 由于所有统计判决的判决准则都需要知道各类的类概密。确定类概密通常有两种方法：参数估计、总体估计。参数估计适用于类概密函数类型已知的情况，而总体推断则适用于类概密函数类型未知的情况。在本实验中，首先采用 近邻估计法确定各类的类概密形式，之后通过参数估计中的矩法估计得到了各类的类概密 近邻估计法算法思想： 根据极限情况下的贝努利定理，在 点附近选择一最小的“紧凑”区域 ，让它只含 个 近邻样本，满足下列条件： 收敛于真实的概密 方案实施：实验中选取 ，由于8路传感器之间彼此相互独立，因此我们可以根据前五个训练样本中所提供的数据，得到32类纸币在每个传感器上的类概密曲线估计，部分曲线如下图： 100元A面 10元A面 10元E面