1、精選優(yōu)質文檔-傾情為你奉上模式識別的基本理論蝙蝠的雷達系統(tǒng)、螳螂的視覺的靈敏度都是非常高的。這些動物通過這些特異的功能來識別各式各樣的東西并賴以生存。識別也是人類的一項基本技能。當人們看到某事物或現象時，人們會先收集該事物或現象的信息，然后將其與頭腦中已有的相關信息相比較，如果找到一個相同或相似的匹配，人們就可以將該事物或現象識別出來。隨著計算機的出現以及人工智能的興起，將人類的識別技能賦予計算機成為一項新興課題。4.1 模式識別的概述模式識別(Pattern Recognition)是人類的一項基本智能，在日常生活中，人們經常在進行“模式識別”。隨著20世紀40年代計算機的出現以及50年代人

2、工智能的興起，人們當然也希望能用計算機來代替或擴展人類的部分腦力勞動。(計算機)模式識別在20世紀60年代初迅速發(fā)展并成為一門新學科。模式識別與統(tǒng)計學、心理學、語言學、計算機科學、生物學、控制論等都有關系。它與人工智能、圖像處理的研究有交叉關系。例如自適應或自組織的模式識別系統(tǒng)包含了人工智能的學習機制；人工智能研究的景物理解、自然語言理解也包含模式識別問題。又如模式識別中的預處理和特征抽取環(huán)節(jié)應用圖像處理的技術；圖像處理中的圖像分析也應用模式識別的技術。模式識別是人工智能最早的研究領域之一，它的狹義研究目標是為計算機配置各種感覺器官，以便直接接受外界的各種信息，如圖形識別、語言識別等。它的研究

3、目標可以包括對于許多復雜事物的分類，如故障診斷、氣象分型等。但模式識別又不是簡單的分類學，它的目標包括對于系統(tǒng)的描述、理解與綜合，是通過大量信息對復雜過程進行學習、判斷和尋找規(guī)律。模式識別的應用幾乎遍及各個學科領域，同時模式識別也廣泛地應用于石油工業(yè)領域。此章通過保護儲集層鉆井液體系的優(yōu)選，介紹模式識別方法在保護油氣儲集層技術中的應用14。從模式識別用于對復雜類事物的分類來講。模式識別就是已知某類事物有若干標準類別（模式），現判斷某一具體對象屬于哪一個模式。這里所說的模式是指標準樣本、式樣、樣品、圖形、癥狀等。模式識別與傳統(tǒng)的數學觀點不同，它暫不去追求精確地數學模型，而是在專家經驗和已有認識的

4、基礎上，從所得的大量數據和歷史出發(fā)，利用數學方法來完成識別過程。它是一門基于概念基礎上的判斷學科。4.2 模式識別的基本概念4.2.1 模式與模式識別一般認為，模式是通過對具體的事物進行觀測所得到的具有時間與空間分布的信息，模式所屬的類別或同一類中的模式的總體稱為模式類，其中個別具體的模式往往稱為樣本。模式識別就是研究通過計算機自動的(或人為進行少量干預)將待識別的模式分配到各個模式類中的技術。樣本預處理特征選擇與提取分類器設計分類結果(識別結果）圖4-1 模式識別的基本框架模式識別是指對表征事物或現象的各種形式的(數值的、文字的和邏輯關系的)信息進行處理和分析，以對事物或現象進行描述、辨認、

5、分類和解釋的過程，是信息科學和人工智能的重要組成部分。它的研究主要集中在兩方面，一是研究生物體(包括人)是如何感知對象的，二是在給定的任務下，如何用計算機實現模式識別的理論和方法。前者是生理學家的研究內容，屬于認知科學的范疇；后者通過數學家、信息學專家和計算機科學工作者近幾十年的努力，已經取得了系統(tǒng)的研究成果。4.2.2 模式識別的特點從模式識別的起源、目的、方法、應用、現狀及發(fā)展和它同其他領域的關系來考察，可以把他的特點概括的描述如下：(1) 模式識別是用機器模仿大腦的識別過程的，設計很大的數據集合，并自動的以高速度作出決策。(2) 模式識別不象純數學，而是抽象加上實驗的一個領域。它的這個性

6、質常常導致不平凡的和比較有成效的應用，而應用又促進進一步的研究和發(fā)展。由于它和應用的關系密切，應此它又被認為是一門工程學科。(3) 學習(自適應性)是模式識別的一個重要的過程和標志。但是，編制學習程序比較困難，而有效地消除這種程序中的錯誤更難，因為這種程序是有智能的。(4) 同人的能力相比，現有模式識別的能力仍然是相當薄弱的(對圖案和顏色的識別除外)，機器通常不能對付大多數困難問題。采用交互識別法可以在較大程度上克服這一困難，當機器不能做出一個可靠的決策時，它可以求助于操作人。4.2.3 模式識別的主要方法模式識別方法大致可以分為4類：統(tǒng)計決策法、結構模式識別方法、模糊模式識別方法與基于人工智

7、能方法。其中基于人工智能的方法本文主要介紹人工神經網絡模式識別方法15。前兩種方法發(fā)展得比較早，理論相對也比較成熟，在早期的模式識別中應用較多。后兩種方法目前的應用較多，由于模糊方法更合乎邏輯、神經網絡方法具有較強的解決復雜模式識別的能力，因此日益得到人們的重視。(1) 統(tǒng)計決策法統(tǒng)計決策法以概率論和數理統(tǒng)計為基礎，它包括參數方法和非參數方法。參數方法主要以Bayes決策準則為指導。其中最小錯誤率和最小風險貝葉斯決策是最常用的兩種決策方法。假定特征對于給定類的影響獨立于其他特征，在決策分類的類別N已知與各類別的先驗概率P(ui)及類條件概率密度P(X1i)已知的情況下，對于一特征矢量X根據公式

8、計算待檢模式在各類中發(fā)生的后驗概率P(iX1)，后驗概率最大的類別即為該模式所屬類別。在這樣的條件下，模式識別問題轉化為一個后驗概率的計算問題。在貝葉斯決策的基礎上，根據各種錯誤決策造成損失的不同，人們提出基于貝葉斯風險的決策，即計算給定特征矢量X在各種決策中的條件風險大小，找出其中風險最小的決策。參數估計方法的理論基礎是樣本數目趨近于無窮大時的漸進理論。在樣本數目很大時，參數估計的結果才趨近于真實的模型。然而實際樣本數目總是有限的，很難滿足這一要求。另外參數估計的另一個前提條件是特征獨立性，這一點有時和實際差別較大。(2) 結構模式識別結構模式識別是利用模式的結構描述與句法描述之間的相似性對

9、模式進行分類。每個模式由它的各個子部分(稱為子模式或模式基元)的組合來表示。對模式的識別常以句法分析的方式進行，即依據給定的一組句法規(guī)則來剖析模式的結構。當模式中每一個基元被辨認后，識別過程就可通過執(zhí)行語法分析來實現。選擇合適的基元是結構模式識別的關鍵。結構模式識別主要用于文字識別、遙感圖形的識別與分析、紋理圖像的分析中。該方法的特點是識別方便，能夠反映模式的結構特征，能描述模式的性質，對圖像畸變的抗干擾能力較強。如何選擇基元是本方法的一個關鍵問題，尤其是當存在干擾及噪聲時，抽取基元更困難，且易失誤。(3) 模糊模式識別1965年Zadeh提出了他著名的模糊集理論，使人們認識事物的傳統(tǒng)二值0，

10、1邏輯轉化為（0，1）區(qū)間上的邏輯, 這種刻畫事物的方法改變了人們以往單純地通過事物內涵來描述其特征的片面方式，并提供了能綜合事物內涵與外延性態(tài)的合理數學模型隸屬度函數。對于A、B兩類問題，傳統(tǒng)二值邏輯認為樣本C要么屬于A，要么屬于B，但是模糊邏輯認為C既屬于A，又屬于B，二者的區(qū)別在于C在這兩類中的隸屬度不同。所謂模糊模式識別就是解決模式識別問題時引入模糊邏輯的方法或思想。同一般的模式識別方法相比較，模糊模式識別具有客體信息表達更加合理，信息利用充分，各種算法簡單靈巧，識別穩(wěn)定性好，推理能力強的特點。模糊模式識別的關鍵在隸屬度函數的建立，目前主要的方法有模糊統(tǒng)計法、模糊分布法、二元對比排序法

11、、相對比較法和專家評分法等。雖然這些方法具有一定的客觀規(guī)律性與科學性，但同時也包含一定的主觀因素，準確合理的隸屬度函數很難得到，如何在模糊模式識別方法中建立比較合理的隸屬度函數是需要進一步解決的問題。(4) 人工神經網絡模式識別早在20世紀50年代，研究人員就開始模擬動物神經系統(tǒng)的某些功能，他們采用軟件或硬件的辦法，建立了許多以大量處理單元為結點，處理單元間實現(加權值的)互聯的拓撲網絡，進行模擬，稱之為人工神經網絡16。這種方法可以看作是對原始特征空間進行非線性變換，產生一個新的樣本空間，使得變換后的特征線性可分。同傳統(tǒng)統(tǒng)計方法相比，其分類器是與概率分布無關的。人工神經網絡的主要特點在于其具

12、有信息處理的并行性、自組織和自適應性、具有很強的學習能力和聯想功能以及容錯性能等，在解決一些復雜的模式識別問題中顯示出其獨特的優(yōu)勢。人工神經網絡是一種復雜的非線性映射方法，其物理意義比較難解釋，在理論上還存在一系列亟待解決的問題。例如在設計上，網絡層數的確定和節(jié)點個數的選取帶有很大的經驗性和盲目性，缺乏理論指導，網絡結構的設計仍是一個尚未解決的問題。在算法復雜度方面，神經網絡計算復雜度大，在特征維數比較高時，樣本訓練時問比較長；在算法穩(wěn)定性方面，學習過程中容易陷入局部極小，并且存在欠學習與過學習的現象范化能力不容易控制。這些也是制約人工神經網絡進一步發(fā)展的關鍵問題。4.3 模糊識別算法4.3.

13、1 模糊模式識別基本原理設U是給定的待識別對象的全體的集合，U中的每一對象u有p個特性指標u1，2，p 。每個特性指標所刻畫的是對象u的某個方面的特征，于是由p個特性指標確定的每一個對象，可記成 （4-1）上式稱為特性向量。 設識別對象集合U可分為n個類別，且每一類別均是U上的一個模糊集，記作:A1,A2,An,則稱為它們?yōu)槟：Ｊ?。模糊模式識別的宗旨是把對象u=(u1,u2up)劃歸一個與其相似的類別Ai中。對于鉆井液體系優(yōu)選來說，模糊模式識別的宗旨是根據具體的特性參數得到相應的鉆井液體系。當一個識別算法作用于對象u時，產生一組隸。它們分別表示對象隸屬于類別A1,A2,An的程度。然后我們可

14、以按某種隸屬原則（通常為最大隸屬原則）對對象進行判斷，指出它歸屬于哪一類別。4.3.2 模糊識別的一般步驟(1) 識別對象的特性指標提?。ㄌ卣魈崛。?。在影響識別對象的各因素中，抽取與模式識別問題有顯著關系的特性指標并測出對象各特性指標的具體數據，然后寫出對象的特性向量14 （4-2）(2) 特征選擇使特征數目從多變少，淘汰掉一些特征，保留一些其主要作用的特征的過程稱為特征選擇。(3) 確定標準模式標準模式是反映領域問題全部分類的樣本。標準模式能覆蓋問題的全部分類，每一種標準模式可以有許多樣本，所有這些樣本都代表這一標準模式。具體待識別樣本只要能夠與某一樣式中的一個樣本最接近，就可以確定屬于這一模式。(4) 構造模糊模式的隸屬函數隸屬函數的確定在模糊數學應用中占有中有重要地位，因此恰如其分地定量刻劃模糊性事物是利用模糊數學去解