机器学习讲义14

模式识别与机器学习期末考查

思考题

1：简述模式识别与机器学习研究的共同问题和各自的研究侧重点。

机器学习是研究让机器（计算机）从经验和数据获得知识或提高自身能力的科学。

机器学习和模式识别是分别从计算机科学和工程的角度发展起来的。然而近年来，由于它们关心的很多共同问题（分类、聚类、特征选择、信息融合等），这两个领域的界限越来越模糊。机器学习和模式识别的理论和方法可用来解决很多机器感知和信息处理的问题，其中包括图像/视频分析、（文本、语音、印刷、手写）文档分析、信息检索和网络搜索等。近年来，机器学习和模式识别的研究吸引了越来越多的研究者，理论和方法的进步促进了工程应用中识别性能的明显提高。

机器学习：要使计算机具有知识一般有两种方法；一种是由知识工程师将有关的知识归纳、整理，并且表示为计算机可以接受、处理的方式输入计算机。另一种是使计算机本身有获得知识的能力，它可以学习人类已有的知识，并且在实践过程中不总结、完善，这种方式称为机器学习。机器学习的研究，主要在以下三个方面进行：一是研究人类学习的机理、人脑思维的过程；和机器学习的方法；以及建立针对具体任务的学习系统。 机器学习的研究是在信息科学、脑科学、神经心理学、逻辑学、模糊数学等多种学科基础上的。依赖于这些学科而共同发展。目前已经取得很大的进展，但还没有能完全解决问题。

模式识别：模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。如识别物体、地形、图像、字体（如签字）等。在日常生活各方面以及军事上都有广大的用途。近年来迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。 特别神经网络方法在模式识别中取得较大进展。 理解自然语言 计算机如能“听懂”人的语言（如汉语、英语等），便可以直接用口语操作计算机，这将给人们带来极大的便利。计算机理解自然语言的研究有以下三个目标：一是计算机能正确理解人类的自然语言输入的信息，并能正确答复（或响应）输入的信息。二是计算机对输入的信息能产生相应的摘要，而且复述输入的内容。三是计算机能把输入的自然语言翻译成要求的另一种语言，如将汉语译成英语或将英语译成汉语等。目前，研究计算机进行文字或语言的自动翻译，人们作了大量的尝试，还没有找到最佳的方法，有待于更进一步深入探索。

原始文档来自 蔡自兴 老师的《人工智能》课件

/jpkc2003/rengongzhineng/rengongzhineng/kechengxiti.htm

仅用于学习交流 ^_)^ 请勿用于任何商业用途！ Contact me：/xxAI 第七章 机器学习

7-1 什么是学习和机器学习?为什么要研究机器学习?

按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。

机器学习是研究如何使用机器来模拟人类学习活动的一门学科，是机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。这里所说的“机器”，指的就是计算机。

现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。

7-2 试述机器学习系统的基本结构，并说明各部分的作用。

环境向系统的学习部分提供某些信息，学习部分利用这些信息修改知识库，以增进系统执行部分完成任务的效能，执行部分根据知识库完成任务，同时把获得的信息反馈给学习部分。

影响学习系统设计的最重要的因素是环境向系统提供的信息。更具体地说是信息的质量。

7-3 试解释机械学习的模式。机械学习有哪些重要问题需要加以研究?

机械学习是最简单的机器学习方法。机械学习就是记忆，即把新的知识存储起来，供需要时检索调用，而不需要计算和推理。是最基本的学习过程。任何学习系统都必须记住它们获取的知识。在机械学习系统中，知识的获取是以较为稳定和直接的方式进行的，不需要系统进行过多的加工。

要研究的问题：

(1) 存储组织信息

只有当检索一个项目的时间比重新计算一个项目的时间短时，机械学习才有意义，检索的越原始文档来自 蔡自兴 老师的《人工智能》课件

/jpkc2003/rengongzhineng/rengongzhineng/kechengxiti.htm

配套K12学习（小初高）

配套K12学习（小初高） 实验14 探究单摆周期与摆长的关系

一、实验原理

单摆在偏角θ＜5°时，摆球的运动可看做简谐运动，用累积法测出n次全振动的时间t，则算得T＝tn，同时量得悬点到小球上端和下端距离l1和l2，则单摆的摆长l＝l1＋l22，然后用图象法寻找周期T与摆长l的定量关系。

二、实验装置图及器材

带有铁夹的铁架台、中心有小孔的金属小球，不易伸长的细线(约1米)、停表、毫米刻度尺和三角板。

三、实验步骤

1.让细线的一端穿过金属小球的小孔，然后打一个比小孔大一些的线结，做成单摆。

2.把细线的上端用铁夹固定在铁架台上，把铁架台放在实验桌边，使铁夹伸到桌面以外，让摆球自然下垂，在单摆平衡位置处作上标记，如图所示。

3.用毫米刻度尺量出悬点到小球上端和下端距离l1、l2，计算出摆长l＝l1＋l22。

4.把单摆从平衡位置处拉开一个很小的角度(不超过5°)，然后放开金属小球，让金属小球摆动，待摆动平稳后测出单摆完成30～50次全振动所用的时间t，计算出金属小球完成一次全振动所用时间，这个时间就是单摆的振动周期，即T＝tN(N为全振动的次数)，反复测3次，再计算出周期的平均值T＝T1＋T2＋T33。

5.改变摆长、重做几次实验。

6.用图象法探究周期和摆长的关系。

配套K12学习（小初高）

配套K12学习（小初高） 四、数据处理

图象法

由单摆周期公式不难推出：l＝g4π2T2，因此，分别测出一系列摆长l对应的周期T，作l－T2图象，图象应是一条通过原点的直线，如图所示，求出图线的斜率k＝ΔlΔT2，即可利用g＝4π2k求得重力加速度值。

注意事项

1.构成单摆的条件：细线的质量要小、弹性要小，选用体积小、密度大的小球，摆角不超过5°。

2.要使摆球在同一竖直面内摆动，不能形成圆锥摆，方法是将摆球拉到一定位置后由静止释放。

3.用毫米刻度尺量出摆线长度l′，用游标卡尺测出摆球的直径，即得出金属小球半径r，计算出摆长l＝l′＋r。

第１期　李一波，等：双视角下多特征信息融合的步态识别　・７９・　

步态识别算法［Ｊ］　

４３２－４３９．　智能系统学报，２０１１，６（５）：　作者简介：　

ＹＡＮＧ　Ｊｉｎｇ，ＲＵＡＮ　Ｑｉｕｑｉ，ＬＩ　Ｘｉａｏｌｉ．Ａ　Ｐｒｏｃｒｕｓｔｅｓ　ｓｔａｔｌ’ｓ—　ｔｉｃａｌ　ｇａｉｔ　ｒｅｃｏｇｎｉｔｉｏｎ　ａｌｇｏｒｉｔｈｍ　ｂａｓｅｄ　ｏｎ　ｓｐｅｃｔｒｕｍ　ａｎａｌｙｓｉｓ　

［Ｊ］．ＣＡＭ　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｓｙｓｔｅｍｓ，２０１　１，６　

（５）：４３２－４３９．　

［１４］ＺＨＡＮＧ　Ｅｒｈｕ，ＺＨＡＯ　Ｙｏｎｇｗｅｉ，ＸＩＯＮＧ　Ｗｅｉ，ｅｔ　ａ１．Ａｃ—　ｒｉｖｅ　ｅｎｅｒｇｙ　ｉｍａｇｅ　ｐｌｕｓ　２ＤＬＰＰ　ｆｏｒ　ｇａｉｔ　ｒｅｃｏｇｎｉｔｉｏｎ［Ｊ］．Ｓｉｇ—　

ｎａｌ　Ｐｒｏｃｅｓｓｉｎｇ，２０１０，９０（７）：２２９５－２３０２．　

［１５］ＣＨＥＮ　Ｓｉｂｏ，ＺＨＡＯ　Ｈａｉｆｅｎｇ，ＫＯＮＧ　Ｍｉｎ，ｅｔ　ａ１．２Ｄ—ＬＰＰ：　

ａ　ｔｗｏ－－ｄｉｍｅｎｓｉｏｎａｌ　ｅｘｔｅｎｓｉｏｎ　ｏｆ　ｌｏｃａｌｉｔｙ　ｐｒｅｓｍｗｉｎｇ　ｐｒｏｊｅｃ－・　

ｔｉｏｎｓ［Ｊ］．Ｎｅｕｒｏｃｏｍｐｕｔｉｎｇ，２００７，７０（４／５／６）：９１２－９２１．　［１６］ＷＡＮＧ　Ｙｕａｎ，Ｙｕ　Ｓｈｉｑｉ，ＷＡＮＧ　Ｙｕｎｈｏｎｇ，ｅｔ　ａ１．Ｇａｉｔ　

ｒｅｃｏｇｎｉｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｆｕｓｉｏｎ　ｏｆ　ｍｕｌｔｉ—ｖｉｅｗ　ｇａｉｔ　ｓｅｑｕｅｎｃｅｓ　［ｃ］／／Ｐｒ（１ｃｅｅｄｉｎｇｓ　ｏｆ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ａｓｓｏｃｉａｔｉｏｎ　ｏｆ　Ｐａｔｔｅｒｎ　

Ｒｅｃｏｇｎｉｔｉｏｎ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｃｏｎｆｅｒｅｎｃｅ　ｏｎ　Ｂｉｏｍｅｔｒｉｃｓ．Ｈｏｎｇ　Ｋｏｎｇ，Ｃｈｉｎａ，２００６：６０５－６１１．　李一波，男，１９６３年生，教授，博士　生导师．主要研究方向为图像处理与模