模式识别(第一章2012)

《模式识别》电子工程学院张晓玲Xlzhang@ee,模式识别（PatternRecognition）重要性：相关信息处理专业的基础课程；解决信息分类识别问题；对决策系统，神经网络，人工智能等的普及和发展起了推动作用，是其发展基础；对于研究信息获取、处理的人员非常重要，是信息科学和人工智能的重要组成部分。关于信息获取、信息传输、信息处理及信息控制（应用）的科学课程的目的：了解和掌握模式识别领域的基本理论，基本方法；为相关应用（如目标分类与识别）打基础。第1章绪论目标分类与识别：

研究用机器（如电脑）代替人去对物体（对象）进行辨别和区分的技术“目标分类与识别”涉及的相关领域：模式识别人工智能神经网络知识发现（数据挖掘）模糊数学不确定性推理1、模式识别

实用性：有一些“智能仿真”例，机器人辅助生产线，医疗诊断，地球资源探测，人脸、指纹识别等图像识别是其重要方向之一模式识别定义：广义定义：存在于时间和空间中可观察的事物，区分它们是否相似或相似的过程，称为模式识别。狭义定义：就是利用计算机对某些物理对象进行分类，在错误代价最小的条件下，使识别结果尽量与客观事物相符。任务：研究如何将人类的认识过程转化为计算机识别，将某一具体事物正确的归入某一类别。2、人工智能：——思考过程的计算机实现，即：研究如何利用计算机去做人脑的智力才能做的工作。专家系统－－是人工智能的分支研究如何设计基于知识的计算机程序系统，来模仿人类专家求解专门问题的能力。专家系统、模式识别、智能机器人等列为人工智能技术中最活跃的三个领域。3、神经网络：——自下而上的综合分析方法。问题：神经网络模型进行训练学习，需大量训练样本集。且计算机模拟模型的并行操作，耗费时间长，可能达不到时间要求。具有很强的自适应能力、学习能力、容错能力和鲁棒性。4、知识发现数据挖掘（datamining）—方向之一是一个从数据、信息到知识的过程，即信息从无序到有序的过程，从粗到精的过程。特点（与数据采集的区别）：数据已收集好，不是为了数据分析去收集例如：网页中检索有价值的文本，即文本数据库挖掘5．不确定性推理根据证据的不确定性和知识的不确定性，求出新的假设（结论）的不确定，即：新的不确定知识的获取过程。或者：在知识不完全、不确定、有例外，甚至会有矛盾的情况下，依据某些合理性标准，得到一些有错误、但有用的结论。演绎推理：已知条件推导得结论不确定性推理：已知证据所得假设这些学科在某一方面有很多共性（交叉），但每一学科又有其独有的特色。这些学科为我们提供了一个工具袋，所要做的工作之一就是结合具体问题把各种已有的方法（模式识别、人工智能、专家系统、人工神经网络、不确定推理等等）结合起来，深入掌握其应有的可能性，互相取长补短，开创目标分类识别应用的新局面。这些学科中，模式识别是最基本、最重要的组成部分，涉及很多基本理论、基本方法。很多领域的目标分类识别问题，其核心就是一个模式识别问题。1.1模式识别1.模式：是对客体的定量或结构的描述2.定义:存在于时间和空间中可观察的事物，区分它们是否相同或相似的过程。（已讲）3.模式识别任务：按事物的“相似”程度组成类别。即将模式识别事物“正确”归入某一类型。（已讲）4.模式识别应用：

很多的应用领域都可归入模式识别，应用非常广泛。典型例子：人脸检测与识别。安全系统：如公安系统（疑犯追踪），电子商场（信用卡身份确认）等生物：细胞学、染色体特性研究医学：医疗图像分析、心电图分析、脑电图分析地理：卫星图像分析、地理资源，如岩石分类军事：自动目标识别，雷达信号检测与分类农业：土壤评估（适合何种植物生长）市政管理、经济、工程等1.2模式识别系统的实现1．模式识别的方法（传统模式识别方法

）：统计模式识别：以类概率密度函数为基础，又称决策论方法，用特征矢量描述模式。结构（句法）模式识别:

以图形结构特征为基础，用字符串描述模式也可分为：监督分类和非监督分类模式识别系统的组成：信息获取预处理特征提取和选择分类器设计分类决策对象分类结果学习过程1.信息获取（数据采集）：对信号、图像、数值表（数据）的采集。即：要用计算机可以运算的符号来表示所研究的对象。如图像：测量、采样、量化等。（模式空间/测量空间）2.预处理：减小或消除模式获取过程中的噪声、干扰、提高S/N；加强有用信息，进行复原等，如减小数据图像模糊及几何失真，提高清晰度；非线性模式转化成线性模式。这个环节的内容及方法很多：如滤波、变换、编码、标准化等以某种判决规则为准则，选取有效的特征,即为特征选择。3．特征提取和选择（特征空间）采用某种变换对特征空间的压缩，称为特征提取。模式空间特征空间（维数高）（维数较低）变换4．分类器设计分类器设计就是所谓的学习训练过程。用一定数量的样本确定某种判别准则，通过反复输入、修正，