模式识别(配套教材《现代模式识别》).ppt

模式识别★课程对象★相关学科★教学方法★教学目标★基本要求★教材/参考文献★课程对象★相关学科★教学方法★教学目标★基本要求★教材/参考文献讲授课程内容及安排第一章引论概念特征(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，记为模式识别的例子对象空间1.1概述－模式识别系统1.1概述－模式识别系统1.1概述－模式识别系统纸币识别器对纸币按面额进行分类

面额
1.1概述－系统实例1.1概述－系统实例5元10元20元50元100元1.1概述－系统实例1.1概述－系统实例例:汽车车牌识别1.1概述－模式识别的基本方法1.1概述－模式识别的基本方法1.1概述－模式识别的基本方法1.1概述－模式识别的基本方法例2：如下图中一幅图形，要识别图中的物体，选用句法模式识别方法.解：图形结构复杂，首先应分解为简单的子图（背景、物体）。 构成一个多级树结构：在学习过程中，确定基元与基元之间的关系，推断出生成景物的方法。
判决过程中，首先提取基元，识别基元之间的连接关系，使用推断的文法规则做句法分析。若分析成立，则判断输入的景物属于相应的类型。理论基础：形式语言，自动机技术
主要方法：自动机技术、CYK剖析算法、Early算法、转移图法
主要优点：1）识别方便，可以从简单的基元开始，由简至繁。2）能反映模式的结构特征，能描述模式的性质。3）对图象畸变的抗干扰能力较强。
主要缺点：当存在干扰及噪声时，抽取特征基元困难，且易失误。1.1概述－模式识别的基本方法理论基础：模糊数学
主要方法：模糊统计法、二元对比排序法、推理法、模糊集运算规则、模糊矩阵
主要优点：由于隶属度函数作为样本与模板间相似程度的度量，故往往能反映整体的与主体的特征，从而允许样本有相当程度的干扰与畸变。
主要缺点：准确合理的隶属度函数往往难以建立，故限制了它的应用。1.1概述－模式识别的基本方法理论基础：神经生理学，心理学
主要方法：BP模型、HOP模型、高阶网
主要优点：可处理一些环境信息十分复杂，背景知识不清楚，推理规则不明确的问题。允许样本有较大的缺损、畸变。
主要缺点：模型在不断丰富与完善中，目前能识别的模式类还不够多。1.1概述－模式识别的基本方法理论基础：演绎逻辑，布尔代数
主要方法：产生式推理、语义网推理、框架推理
主要优点：已建立了关于知识表示及组织，目标搜索及匹配的完整体系。对需要众多规则的推理达到识别目标确认的问题，有很好的效果。
主要缺点：当样本有缺损，背景不清晰，规则不明确甚至有歧义时，效果不好。1.1概述－模式识别的发展简史1.1概述－模式识别的发展简史1.1概述－模式识别的应用(举例)1.1概述－主要实用系统举例451.2特征矢量和特征空间1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.3随机矢量的描述1.4正态分布1.4正态分布1.4正态分布1.4正态分布1.4正态分布1.4正态分布1.4正态分布范例
木板

图象
512×512

d=3
长度
纹理
亮度

c=2
松木\桦木
试证明，对于正态分布，不相关与独立是等价的。
试证明，多元正态随机矢量的线性变换仍为多元正态随机矢量。
试证明，多元正态随机矢量X的分量的线性组合是一正态随机变量。模式识别第二章聚类分析
(ClusteringAnalysis)2.1聚类分析的概念三、方法的有效性
取决于分类算法和特征点分布情况的匹配。三、方法的有效性
取决于分类算法和特征点分布情况的匹配。三、方法的有效性
取决于分类算法和特征点分布情况的匹配。三、方法的有效性
取决于分类算法和特征点分布情况的匹配。三、方法的有效性
取决于分类算法和特征点分布情况的匹配。三、方法的有效性
取决于分类算法和特征点分布情况的匹配。下列是一些动物的名称：
羊（sheep） 狗（dog）
蓝鲨（blueshark） 蜥蜴（lizard）
毒蛇（viper） 猫（cat）
麻雀（sparrow） 海鸥（seagull）
金鱼（goldfish） 绯鲵鲣（red-mullet）蛙（frog）
要对这些动物进行分类，则不同的特征有不同的分法：特征选取不同对聚类结果的影响金鱼绯鲵鲣蓝鲨青蛙蓝鲨距离测度不同,聚类结果也不同综上可见:聚类过程遵循的基本步骤聚类应用的四个基本方向二、假说生成
在这种情况下，为了推导出数据性质的一些假说，对数据集进行聚类分析。因此，这里使用聚类作为建立假说的方法，然后