模式识别基础教程.
- 格式:ppt
- 大小:906.50 KB
- 文档页数:136
第一章 绪论1.1模式和模式识别模式识别是一门很受人们重视的学科。
早在30年代就有人试图以当时的技术解决一些识别问题,在近代,随着计算机科学技术的发展和应用,模式识别才真正发展起来。
从60年代至今,在模式识别领域中已取得了不少成果。
它的迅速发展和广泛应用前景引起各方面的关注。
模式识别属于人工智能范畴,人工智能就是用机器去完成过去只有人类才能做的智能活动。
在这里,“智能”指的是人类在认识和改造自然的过程中表现出来的智力活动的能力。
例如:通过视觉、听觉、触觉等感官接受图象、文字、声音等各种自然信息去认识外界环境的能力;将感性知识加工成理性知识的能力,即经过分析、推理、判断等思维过程而形成概念、建立方法和作出决策的能力;经过教育、训练、学习不断提高认识与改造客观环境的能力‘对外界环境的变化和干扰作出适应性反应的能力等。
模式识别就是要用机器去完成人类智能中通过视觉、听觉、触觉等感官去识别外界环境的自然信息的那些工作。
虽然模式识别与人工智能关系很密切,但是发展到现在,它已经形成了独立的学科,有其自身的理论和方法。
在许多领域中,模式识别已有不少比较成功的实际应用。
模式的概念:模式这个概念的内涵是很丰富的。
“我们把凡是人类能用其感官直接或间接接受的外界信息都称为模式”。
比如:文字、图片、景物;声音、语言;心电图、脑电图、地震波等;社会经济现象、某个系统的状态等,都是模式。
模式识别:模式识别是一门研究对象描述和分类方法的科学。
如,我们要听某一门课,必须做以下识别:1)看课表—文字识别;2)找教室和座位—景物识别;3)听课—声音识别。
再比如,医生给病人看病:1)首先要了解病情;问2)再做一些必要的检验;查3)根据找到的能够诊断病情的主要特征,如体温、血压、血相等,做出分类决策,即诊断。
对于比较简单的问题,可以认为识别就是分类。
如,对于识别从“0”到“9”这十个阿拉伯数字的问题。
对于比较复杂的识别问题,就往往不能用简单的分类来解决,还需要对待识别模式的描述。
第一章引论1·1 概述1.1.1模式识别模式识别(Pattern Recognition):确定一个样本的类别属性(模式类)的过程,即把某一样本归属于多个类型中的某个类型。
样本(Sample):一个具体的研究(客观)对象。
如患者,某人写的一个汉字,一幅图片等。
模式(Pattern):对客体(研究对象)特征的描述(定量的或结构的描述),是取自客观世界的某一样本的测量值的集合(或综合)。
特征(Features):能描述模式特性的量(测量值)。
在统计模式识别方法中,通常用一个矢量表示,称之为特征矢量,记为模式类(Class):具有某些共同特性的模式的集合。
1.1.2 模式识别系统⑴特征提取从模式空间中选择最有利于模式分类的量作为特征,压缩模式维数,以便于处理,减少消耗。
特征提取一般以分类中使用的某种判决规则为准则。
所提取的特征使在某种准则下的分类错误最少。
为此需要考虑特征之间的统计关系,选用适当的正交变换,才能提取出最有效的特征。
⑵特征选择特征选择同样需要某种分类准则,在该准则下选择对分类贡献较大的特征,删除贡献较小的那些特征。
⑶学习和训练根据已知类别的样本确定分类判决准则矫正特征提取选择方法等⑷分类识别分类是把特征空间划分成类型空间。
把未知类别属性的样本确定为类型空间里的某一类型。
分类错误率越小越好,分类错误率的分析和计算比较困难。
影响分类错误率的因数–分类方法–分类器设计–提取的特征–样本质量等1.1.3模式识别的基本方法㈠统计模式识别理论基础:概率论,数理统计主要方法:线性、非线性分类、Bayes决策、聚类分析主要优点:1)比较成熟2)能考虑干扰噪声等影响3)识别模式基元能力强主要缺点:1)对结构复杂的模式抽取特征困难2)不能反映模式的结构特征,难以描述模式的性质3)难以从整体角度考虑识别问题㈡句法模式识别模式描述方法:符号串,树,图模式判定:是一种语言,用一个文法表示一个类,m类就有m个文法,然后判定未知模式遵循哪一个文法。