模式识别课件-(51)--第一章绪论第1节概述.pptVIP

* 一、信息获取　　在现阶段计算机都只能处理某种形式的电信号，而待识别的样本大都是非电信息，例如癌细胞病理切片，语音信号，待识别文本，图像等，这就需要将这些以各种不同形式表现的信息通过传感器转换成电信号。如用话筒将声音信号转换成电信号，表现出电压(电流)随时间变化的复杂波形。景物信息在摄像机成像并转换成二维的象素矩阵，每个像素(矩阵元素)的电信号与物体表面反射的光强或颜色信息呈现函数关系。因此信号获取环节主要是由不同形式的传感器构成，它实现信息获取与信息在不同媒体之间的转换。二、预处理　　预处理主要是指去除所获取信息中的噪声，增强有用的信息，及一切必要的使信息纯化的处理过程。　　预处理这个环节内容很广泛，与要解决的具体问题有关，例如，从图象中将汽车车牌的号码识别出来，就需要先将车牌从图像中找出来，再对车牌进行划分，将每个数字分别划分开。做到这一步以后，才能对每个数字进行识别。以上工作都应该在预处理阶段完成。三、特征选择和提取　　这个环节包含着丰富的内容，在不同场合有不同的含义。一般说来它包括将所获取的原始量测数据转换成能反映事物本质，并将其最有效分类的特征表示。这个环节的输入是原始的量测数据(经过必要的预处理)，例如由声波变换 成的电信号，表现为电压电流幅度随时间的变化，二维图像每个像素所具有的灰度值等。这些数据包含着所需信息的原始形式，但它往往不适合于分类器直接使用。特征提取模块将原始量测数据转换成有效方式表示的信息，从而使分类器能根据这些信息决定样本的类别。前面说过待识别的样本及模式都是用特征进行描述的，识别与训练都是在特征空间中进行的。而原始数据是由所使用的量测仪器或传感器获取的，这些数据组成的空间叫测量空间。因此特征的选择与提取模块的功能是：对所获取的信息实现从测量空间到特征空间的转换。第四章将对此作进一步讨论。　　特征选择和提取就是说选择什么样的方法来描述事物，从而可以有效、牢靠地把事物正确地区分开。我们先举一个数字识别的例子来说明特征选择的重要性。 * * * * * * * * “丑小鸭与白天鹅之间的区别和两只白天鹅之间的区别 一样大”。世界上不存在分类的客观标准，一切分类的标准都是主观的。 最小描述原理是指模型的复杂度与和该模型相适应的训练数据的描述长度之和最小。算法的复杂度的度量应独立于程序语言种类，这样才能可靠地进行复杂度比较，可提供数据的内在的固有的信息量。 模式识别 模式识别 《模式识别》 Pattern Recognition 主讲：蔡宣平 教授 课程主要内容 第一章 绪论 第二章 聚类分析 第三章 判别域代数界面方程法 第四章 统计判决 第五章 统计决策中的学习与估计 第六章 特征提取与选择 上机实验 * 1.1 概论 1.2 特征矢量和特征空间 1.3 随机矢量的描述 1.4 正态分布 第一章 绪论 * 例如 1.1.1 模式识别概述 人类无时无处不在进行分类识别，分类 识别是人类的基本活动之一。 第一章 绪论 * 读书看报 图像分析 人群中找人 小孩识字 观察波形 医生诊病 随着社会活动、生产科研广泛而深入发展， 识别的种类越来越多、内容越来越复杂，要求 也越来越高。 为了改善工作条件，减轻工作强度，需要 利用机器代替人类完成某种繁琐的工作；在某 些环境恶劣、存在危险或人类不能接近的场合， 需要借助机器完成识别工作。 利用机器可以提高识别的速度、正确率及 扩大应用的广度。 第一章 绪论 * 表示形式 模式(Pattern) 为了能让机器执行和完成识别任务， 必须对分类识别对象进行科学的抽象，建 立它的数学模型，用以描述和代替识别对 象，这种对象的描述即为模式。 概念 特征矢量 符号串 图 关系式 第一章 绪论 * 应用 模式识别(Pattern Recognition) 根据研究对象的特征或属性，运用一定的 分析算法认定其类别，并且分类识别的结果应 尽可能地符合真实。 概念 第一章 绪论 * 具有视觉的机器人 遥感图片的机器判读 武器制导寻的系统 汽车自动驾驶系统 生物特征识别 系统故障诊断 信件分捡 文字语言识别 第一章 绪论 * 模式识别的发展前景 1 智能化 2 3 机器学习 知识发现 第一章 绪论 * 模式识别的发展前景 科技产品发展趋势