单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,模式识别,Pattern Recognition,余 莉,电话：,76434,（,O,）,61430,（,M,）,E-mail,：（民网）,（军网）,课程对象,信息工程专业本科生的专业课,学院硕士研究生的学位课,学院博士研究生的必修课之一,学习方法,着重理解,基本概念基本方法算法原理,注重理论与实践紧密结合,基本要求,基本：,完成课程学习，通过考试，获得学分。,提高：,能够将所学知识和内容用于课题研究，解决实际问题。,飞跃：,通过模式识别的学习，改进思维方式，为将来的工作打好基础，终身受益。,课程内容及安排,第一章 引论,(2,学时,),第二章 聚类分析,(4,学时,),第三章 判别域代数界面方程法,(4,学时,),第四章 统计判决,(4,学时,),第五章 统计决策中的学习与估计（,4,学时,),第六章 最近邻方法 （,2,学时,),第七章 特征提取与选择,(2,学时,),复习,(2,学时,),实验 上机实验,(8,学时,),作业 每章课后布置习题,考核 笔试,(70%)+,实验,(20%)+,作业,(10%),教材及参考教材,教材,孙即祥，,现代模式识别,，国防科技大学出版社，,2002.1,参考教材,J.P.Marques de Sa,模式识别,-,原理、方法及应用,，清华大学出版社，,2002.11,边肇祺等，,模式识别,（第二版）清华大学出版社,2000.1,Sergios Theodoridis,李晶皎等译，模式识别（第三版），电子工业出版社，,2006,第一章引 论,1.1,模式和模式识别,1.1.1,模式和模式识别的概念,识别是人类的基本行为,模式识别（,Pattern Recognition,）,使用计算机来辨别事物。,机器识别，计算机识别，机器自动识别。,1.2,模式识别系统,概 念,样本,（,Sample),：一个具体的研究（客观）对象。如某人写的一个汉字，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）。,模式类,（,Class,）：,具有某些共同特性的模式的集合。,特征矢量：,设一个研究对象的 个特征量测量值分别,为,我们将它们作为一个整体来,考虑,让它们构成一个 维特征矢量,。,特征空间,:,各种不同取值的特征矢量的全体构成了,维特征空间。,注：,特征矢量就是特征空间中的一个点。,(,颜色（绿,/,红）,似圆度,),颜色（绿,/,红）,似圆度,模式识别：,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。模式分类的过程。,1.1.2,机器与人类识别事物原理的比较,人类：,具有抽象抽象概念的能力,总结规律，抽象出概念,机器：,缺乏抽象能力,基本方法是计算,1.1.3,模式识别技术的应用领域,生物学,自动细胞学、染色体特性研究、遗传研究,天文学,天文望远镜图像分析、自动光谱学,经济学,股票交易预测、企业行为分析,医学,心电图分析、脑电图分析、医学图像分析,文字识别（,Character Recognition,）,OCR,（,Optical Character Recognition,）,智能交通（,Intelligent Traffic,）,车牌、车型,语音识别（,Speech recognition,）,翻译机，身份识别等,目标识别,ATR,（,Automaic Target Recognition,）,（,1,）确定患者的病症：测量体温、血压，化验血沉，询问临床表现（,模式采集,）；,（,2,）医生运用医学知识和个人经验（,分类判决规则,），根据主要病症（,特征提取,/,选择,），作出诊断（,分类判决,）：该患者（,模式样本,）患了何种疾病（,模式类,）。,例子,1,：诊断,1.2,模式识别系统,1.2,模式识别系统,数据采集,特征提取,正确率,测试,数据采集,特征提取,改进分类识别规则,二次特征,提取与选择,分类,识别,改进采集,提取方法,二次特征提取与选择,改进特征提取与选择,制定改进分类识别规则,待识,对象,训练,样本,人工,干预,识别结果,例子,2,：苹果和香蕉的分类,颜色（绿,/,红）,似圆度,1.2,模式识别系统,18,纸币识别器对纸币按面额进行分类,面额,例子,3,：纸币识别系统,5元,10元,20元,50元,100元,19,长度(,mm),宽度(,mm),5元13663,10元14170,20元14670,50元15170,100元15677,例子,3,：纸币识别系统,20,磁性,金属条位置(大约),5元有 54/82,10元有 54/87,20元有 57/89,50元有 60/91,100元有 63/93,例子,3,：纸币识别系统,21,数据采集、特征提取：,长度、宽度、磁性、磁性的位置等等,特征选择：,长度、位置,分类识别：,确定纸币的面额,例子,3,：纸币识别系统,各类空间（,Space),的概念,对象空间,模式空间,特征空间,类型空间,模式采集：从客观世界（对象空间）到模式空间的过程称为模式采集。,特征提取和特征选择：由模式空间到特征空间的变换和选择。,类型判别：特征空间到类型空间所作的操作。,1.3,特征矢量和特征空间,所有样本观测数据构成的空间,1.3,特征矢量和特征空间,1.4,模式识别方法,统计判决,句法结构,模糊判决,逻辑推理,神经网络,（,1,）统计判决,理论基础：概率论，数理统计,模式描述方法：特征向量,主要方法几何分类：线性分类，非线性分类统计分类：,Bayes,决策无教师的分类：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,（,2,）句法结构,理论基础：形式语言，自动机技术,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。,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。,（,3,）,模糊判决,理论基础：模糊数学,模式描述方法：模糊集合,A=(,a,a),(,b,b),.(,n,n),模式判定：是一种集合运算。用隶属度将模糊集合划分为若干子集，,m,类就有,m,个子集，然后根据择近原则分类。,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。,（,4,）,逻辑推理,理论基础：演绎逻辑，布尔代数,模式描述方法：字符串表示的事实,模式判定：是一种布尔运算。从事实出发运用一系列规则，推理得到不同结果，,m,个类就有,m,个结果。,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。,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。,（,5,）,神经网络,理论基础：神经生理学，心理学,模式描述方法：以不同活跃度表示的输入节点集,模式判定：是一个非线性动态系统。通过对样本的学习建立记忆，然后将未知模式判决为其最接近的记忆。,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。,