模式識(shí)別介紹課件

1、第1章 緒論 1.1 模式和模式識(shí)別的基本概念 1.2模式識(shí)別系統(tǒng) 1.3模式識(shí)別的發(fā)展及應(yīng)用1.4本課程授課按排及考核標(biāo)準(zhǔn)1.1 模式和模式識(shí)別1.1.1模式1.1.2模式識(shí)別 返回本章首頁(yè)1.1.1模式“模式”這個(gè)概念的內(nèi)涵是很豐富的,我們把凡是人類能用其感官直接或間接接受的外界信息都稱為模式,比如,文字、圖片、景物是模式,聲音,語(yǔ)音是模式,心電圖、腦電圖、地震波等也是模式。廣義地說(shuō),存在于時(shí)間和空間中可觀察的事物,如果我們可以區(qū)別它們是否相同或是相似,都可以稱為模式,但模式所指的不是事物本身,而是我們從事物獲得的信息, 因此, 模式往往表現(xiàn)為具有時(shí)間和空間分布的信息。 1.1.2模式識(shí)別

2、 模式識(shí)別屬于人工智能范疇，人工智能就是要用機(jī)器去完成過(guò)去只有人類才能做的智能活動(dòng)。模式識(shí)別就是要用機(jī)器去完成人類智能中通過(guò)視覺(jué)聽覺(jué)觸覺(jué)等感官去識(shí)別外界環(huán)境的自然信息的這些工作。對(duì)于比較簡(jiǎn)單的問(wèn)題,可以認(rèn)為識(shí)別就是分類。但是，對(duì)于比較復(fù)雜的識(shí)別問(wèn)題,就往往不能用簡(jiǎn)單的分類來(lái)解決,還需要對(duì)待識(shí)別模式進(jìn)行描述。例如，漢字識(shí)別和景物識(shí)別 。l 模式識(shí)別作為一門技術(shù)科學(xué) 目的就是要研究出能自動(dòng)進(jìn)行模式分類和描述的機(jī)器系統(tǒng)，以完成人類的模式識(shí)別的功能. 它與人工智能范疇的其它分支的目標(biāo)是一致的，都是要用機(jī)器來(lái)代替人類的部分智力活動(dòng)l 模式識(shí)別是一門新的研究領(lǐng)域 到目前為止， 它的理論和技術(shù)遠(yuǎn)未完善l模式

3、識(shí)別也是一門邊緣技術(shù)學(xué)科 它與人工智能、信號(hào)處理、計(jì)算機(jī)技術(shù)、概率統(tǒng)計(jì)、模糊集論、信息論、數(shù)字圖像處理、形式語(yǔ)言學(xué)、心理學(xué)等都有密切的關(guān)系二、模式識(shí)別系統(tǒng) 返回本章首頁(yè)l 數(shù)據(jù)獲取 通過(guò)測(cè)量、采樣和量化獲取數(shù)據(jù)的過(guò)程l 預(yù)處理 去出噪聲,加強(qiáng)有用的信息,復(fù)原退化現(xiàn)象 l特征提取和選擇 得到最能反映分類本質(zhì)的特征 分類決策 就是在特征空間中用統(tǒng)計(jì)方法把被識(shí)別 對(duì)象歸為某一類別1.3.1文字識(shí)別 1文字識(shí)別是在模式識(shí)別領(lǐng)域中發(fā)展得最成熟并得到最廣泛應(yīng)用的一個(gè)方面。早在1929年Tauschek就試圖用模板匹配的方法去識(shí)別十個(gè)印刷體阿拉伯?dāng)?shù)字。文字識(shí)別在這個(gè)原始方法的基礎(chǔ)上不斷地加以改進(jìn)。但這類方法

4、對(duì)于字體、位置和印刷油墨、紙張質(zhì)量等都有特別的要求，終因光電方法的條件限制而沒(méi)有得到推廣應(yīng)用。只有在計(jì)算機(jī)技術(shù)有了長(zhǎng)足的進(jìn)步之后文字識(shí)別才得以真正發(fā)展。按識(shí)別對(duì)象，文字識(shí)別分為西文字符、阿拉伯?dāng)?shù)字和漢字識(shí)別等返回本節(jié)2、模式識(shí)別的發(fā)展歷史60年代初，數(shù)理統(tǒng)計(jì)學(xué)中已經(jīng)形成了完整的統(tǒng)計(jì)決策理論；70年代中期，美籍華人傅京孫教授建立了句法模式識(shí)別理論；80年代，在傅京孫教授的指導(dǎo)下，我國(guó)的一批專家學(xué)者在美國(guó)進(jìn)修，回國(guó)后開展了我國(guó)的模式識(shí)別研究。1.3.2 語(yǔ)音識(shí)別語(yǔ)音識(shí)別的復(fù)雜性和難度都很高，因?yàn)橐槿≌Z(yǔ)音的特征，不僅需要分析語(yǔ)言的結(jié)構(gòu)和語(yǔ)言的物理過(guò)程，而且還涉及聽覺(jué)的物理和生理過(guò)程。語(yǔ)音識(shí)別的兩類

5、課題：識(shí)別人們的語(yǔ)言，它可能是不同的人們?cè)诓煌沫h(huán)境背景下的聲音。發(fā)生者的識(shí)別，這在身份鑒別中能起到很到作用返回本節(jié)1.3.4其它方面的應(yīng)用 模式識(shí)別進(jìn)行遙感圖片的分類，可以完成大量的信息處理工作；在軍事上，可見光、雷達(dá)、紅外圖像的分析與識(shí)別，可以檢出和鑒別目標(biāo)的出現(xiàn)，判斷目標(biāo)的類別并對(duì)運(yùn)動(dòng)中的目標(biāo)進(jìn)行監(jiān)視和跟蹤。采用地形匹配的方法校正飛行軌道以提高導(dǎo)彈的命中精度，也是模式識(shí)別的重要應(yīng)用課題。此外，模式識(shí)別在鑒別人臉和和指紋，地質(zhì)勘測(cè)、高能物理，機(jī)器人技術(shù)等方面也有很多用處。返回本節(jié)1.2本課程的授課安排及考核標(biāo)準(zhǔn)返回本章首頁(yè)由于本課程教學(xué)計(jì)劃安排學(xué)時(shí)數(shù)為32學(xué)時(shí)，現(xiàn)針對(duì)教材，主要講授以下內(nèi)容

6、：第2章 Bayes決策理論（重點(diǎn)掌握）2.1 最小錯(cuò)誤概率的Bayes決策2.2 最小風(fēng)險(xiǎn)的Bayes決策2.3 在限定一類錯(cuò)誤率條件下使另一類錯(cuò)誤率為最小的兩類別決策Neyman-Pearson決策2.4 最小最大決策返回本章首頁(yè)2.5 Bayes分類器設(shè)計(jì)和判別函數(shù)2.6 正態(tài)分布時(shí)的Bayes決策 2.7 離散情況的Bayes決策第3章 概率密度函數(shù)的估計(jì)（了解）3.1 參數(shù)估計(jì)（極大似然估計(jì)和Bayes估計(jì)和Bayes學(xué)習(xí)）3.2 非參數(shù)估計(jì)（概率密度密度估計(jì)的基本方法和Parzen窗法）返回本章首頁(yè)第4章 線性判別函數(shù)（重點(diǎn)掌握）4.1 線性判別函數(shù)和決策面4.2 感知準(zhǔn)則函數(shù) 4.3 最小平方誤差準(zhǔn)則函數(shù)（MSE ）4.4 Fisher線性判別函數(shù) 4.5 多類情況下的線性判別函數(shù)和固定增量算法4.6 分段線性判別函數(shù)返回本章首頁(yè)第6章 近鄰法（了解）非監(jiān)督學(xué)習(xí)方法的部分內(nèi)容合并到此章介紹。第7章 特征的抽取和選擇（掌握）基于K L展開式的特征提取合并到此章介紹。其它內(nèi)容不作要求課程小結(jié)：講授模式識(shí)別的應(yīng)用