哈工大模式识别课程绪论-2课时用市公开课一等奖省赛课微课金奖

哈尔滨工业大学第1章模式识别绪论1/49主要内容模式识别基本概念模式识别系统组成模式识别基本问题应用领域小结2/49模式识别基本概念

3/49【基本概念】(1)模式（Pattern）：经过对详细个别事物进行观察所得到含有时间和空间分布信息称为模式。

(2)模式类（PatternClass）：把模式所属类别或同一类别中模式总体称为模式类（或简称为类）。(3)例子：以身高为例，模式：身高：167cm,180cm,156cm,176cm,…模式类：高个头、中等个头、矮个头；4/49【基本概念】(5)模式识别（PatternRecognition）：依据输入原始数据并判断其类别活动。(4)说明：（1）模式所指不是事物本身，而是我们从事物中取得信息。（2）模式往往表现为详细时间和空间分布信息。（3）本课程讨论是用计算机进行模式识别，信息进入计算机之前通常要经过取样和量化，在计算机中表现为含有时空分布信息表现为向量或数组，数组中元素序号能够对应时间和空间，也可对应其它标识，此处所说时间和空间是更广义和抽象了解。5/49主要内容模式识别基本概念模式识别系统组成模式识别基本问题应用领域小结6/49模式识别系统组成

7/49【模式识别系统组成】1.信息获取：经过测量、采样、量化并用矩阵或向量表示。通常输入对象信息有三个类型：二维图像（文字、指纹、地图、照片等）、一维波形（脑电图、心电图、机械震动波形等）、物理参量和逻辑值（体检中温度、血化验结果等）2.预处理：去除噪声，加强有用信息，并对输入测量仪器或其它原因造成干扰进行处理。3.特征提取与选择：为了实现有效识别分类，要对原始数据进行变换得到最能反应分类本质特征，此过程为特征提取和选择。4.分类决议：在特征空间中用统计方法把被识别对象归为某一类。基本作法是在样本训练集基础上确定某个判决规则，使按这种判决规则对被识别对象进行分类所造成错误识别率最小或引发损失最小。5.后处理：针对决议采取对应行动。信息获取预处理特征提取与选择分类决议后处理模式识别系统组成框图8/49【举例：车牌识别】车牌识别系统框图原始图像车牌定位字符识别倾斜校正字符分割系统流程图车牌定位车牌倾斜校正字符分割9/49模式识别基本问题

10/49【主要内容】(1)模式识别训练方法

(2)紧致性(3)特征选取(4)相同性度量与分类

(5)性能评价(6)识别系统设计过程11/49【模式识别训练方法】学习分类：学习定义：广义地讲，任何设计分类器时所用方法只要它利用了训练样本信息就能够认为学习，学习目标是指利用某种算法来降低因为训练样本差异造成分类误差。

监督学习：存在一个教师信号，对训练样本集每个输入样本能提供类别标识和分类代价并寻找能够降低总体代价方向。(人脸识别)无监督学习：没有显示教师指导整个训练过程。（图像检索）半监督学习：半监督学习是利用少部分标识数据集及未标识样本进行学习主流技术。（如医学图像）12/49【主要内容】(1)模式识别训练方法

(2)紧致性(3)特征选取(4)相同性度量与分类

(5)性能评价(6)识别系统设计过程13/49【紧致性】紧致性概念：为了能在某个空间中进行分类，通常假设同一类各个模式在该空间中组成一个紧致集。从这个紧致集中任何一点能够均匀过渡到同一集中另外一点，且在过渡途中全部各个点都依然属于这个紧致集（即属于同一模式类）。另外，当紧致集中各个点在任意方向有一些不大移动时它依然属于这个集合。

14/49第1种情况：A1:111,101,110,011A2：000，010，100，001只要用一个平面就能够将两个点集分开。【举例】011111001101100110010x1x3x200015/49第2种情况：A1:111A2：000任何一个经过点000与111连线平面都能到达分类目标。【举例】x2011111001101100110010x1x300016/49第3种情况：A1:111,001,100,010A2：000，011，101，110需要用3个平面才能分开。【举例】011111001101100110010x1x3x2000对于这种情况，结合A1中任意一点一个码数值发生改变，比如111变为101，那么就成为A2中组员。把这些点成为临界点。把改变其中一个码值不能改变其集合属性点成为内点。在该情况下，集合A1和集合A2没有内点，全部为临界点。普通情况，两个集合中含有临界点越多，就越难分开。比如，A1={000};A2={111}，没有临界点，全部为内点，所以较为轻易将其分开17/49

普通来说，在D维空间中要用超表面进行分类，假若我们用平面图表示D维空间中点分布。以下列图。没有临界点有许多临界点临界点过多，造成不可分18/49【紧致性】紧致性性质：临界点数量与总点数相比极少；集合中任意两点能够用光滑线连接，在该连线上点也属于这个集合；每个内点都有足够大领域只包含同一集合中点。19/49【主要内容】(1)模式识别训练方法

(2)紧致性(3)特征选取(4)相同性度量与分类

(5)性能评价(6)识别系统设计过程20/49【特征选取】特征是决定相同性和分类关键，当分类目标决定后，怎样找到适当特征成为识别物体关键。下面举一个实例说明。21/49Salmon(鲑鱼)与Seabass(鲈鱼)分类系统【特征选取】光泽度长度宽度可选特征22/49长度特征直方图光泽度直方图§1.2经典应用实例

宽度（纵轴）-光泽度（横轴）不成功不成功成功【特征选取】23/49推广能力：模型复杂度对分类效果影响【特征选取】24/49【主要内容】(1)模式识别训练方法

(2)紧致性(3)特征选取(4)相同性度量与分类

(5)性能评价(6)识别系统设计过程25/49【相同性度量与分类】(1)相同性度量26/49【相同性度量与分类】(1)相同性度量27/49【相同性度量与分类】(2)分类(a)不存在纯客观分类标准，任何分类都是带有主观性。比如，鲸鱼在生物学角度属于哺乳类，应该和牛算作一类；但从产业角度，捕鲸属于水产业，而牛是畜牧业。(b)分类问题不是纯数学问题。28/49【主要内容】(1)模式识别训练方法

(2)紧致性(3)特征选取(4)相同性度量与分类

(5)性能评价(6)识别系统设计过程29/49【性能评价】正确识别率=正确分类数/总数错误识别率=错误分类数/总数拒绝识别率=拒绝分类数/总数30/49【主要内容】(1)模式识别训练方法

(2)紧致性(3)特征选取(4)相同性度量与分类

(5)性能评价(6)识别系统设计过程31/49【识别系统设计过程】数据采集：在开发一个模式识别系统总费用中，数据采集部分占令人吃惊比重，当然采取较小“经典”样本集对问题可行性进行初步研究是能够，但在实际应用中为了确保现场工作良好性能，需要采集到大量数据。采集数据选择特征选择模型训练分类器评价分类器设计结束设计开始选择特征：选择有显著区分意义特征是设计过程关键一步。选择模型：用数学形式表示不一样特征描述。训练分类器：利用样本数据确定分类器过程。评价分类器：防止过拟合。32/49主要内容模式识别基本概念模式识别系统组成模式识别基本问题应用领域小结33/49应用领域

34/49【应用领域】(1)工业领域

(2)农业领域(3)生物特征识别(4)交通领域

(5)医学领域(6)航空航天35/49(1)工业领域工业机器人电路板检测36/49(2)农业领域农业采摘机器人37/49(3)生物特征识别人脸识别虹膜识别手掌静脉识别指纹识别38/49(4)交通领域无人驾驶车牌识别交通流量分析39/49(5)医学领域计算机辅助诊疗系统医学图像决议系统40/49(6)航空航天导弹图像末制导无人侦察机全天候雷达监控系统遥感地貌分析41/49主要内容模式识别基本概念模式识别系统组成模式识别基本问题应用领域小结42/49本章小结

43/49【小结】(1)模式识别是每时每刻都发生，重点强调分类。(2)含有广泛应用。(3)对控制科学与工程学科意义

(4)发展历程(5)主要研究期刊(6)参考书目44/49【4.发展历程】模式识别诞生于20世纪代；伴随40年代计算机出现，50年代人工智能兴起，模式识别在60年代快速发展成一门学科；经过几十年发展当前取得了大量结果，在很多地方得到应用。当前一直是热门学科。45/49【5.主要期刊】1.IEEETransactiononPatternAnalysisandMachineIntelligence，PAMI2.PatternRecognition3.PatternRecognitio