《模式識(shí)別》電子工程學(xué)院張曉玲Xlzhang@ee,模式識(shí)別（PatternRecognition）重要性：相關(guān)信息處理專業(yè)的基礎(chǔ)課程；解決信息分類識(shí)別問題；對(duì)決策系統(tǒng)，神經(jīng)網(wǎng)絡(luò)，人工智能等的普及和發(fā)展起了推動(dòng)作用，是其發(fā)展基礎(chǔ)；對(duì)于研究信息獲取、處理的人員非常重要，是信息科學(xué)和人工智能的重要組成部分。關(guān)于信息獲取、信息傳輸、信息處理及信息控制（應(yīng)用）的科學(xué)課程的目的：了解和掌握模式識(shí)別領(lǐng)域的基本理論，基本方法；為相關(guān)應(yīng)用（如目標(biāo)分類與識(shí)別）打基礎(chǔ)。第1章緒論目標(biāo)分類與識(shí)別：

研究用機(jī)器（如電腦）代替人去對(duì)物體（對(duì)象）進(jìn)行辨別和區(qū)分的技術(shù)“目標(biāo)分類與識(shí)別”涉及的相關(guān)領(lǐng)域：模式識(shí)別人工智能神經(jīng)網(wǎng)絡(luò)知識(shí)發(fā)現(xiàn)（數(shù)據(jù)挖掘）模糊數(shù)學(xué)不確定性推理1、模式識(shí)別

實(shí)用性：有一些“智能仿真”例，機(jī)器人輔助生產(chǎn)線，醫(yī)療診斷，地球資源探測(cè)，人臉、指紋識(shí)別等圖像識(shí)別是其重要方向之一模式識(shí)別定義：廣義定義：存在于時(shí)間和空間中可觀察的事物，區(qū)分它們是否相似或相似的過程，稱為模式識(shí)別。狹義定義：就是利用計(jì)算機(jī)對(duì)某些物理對(duì)象進(jìn)行分類，在錯(cuò)誤代價(jià)最小的條件下，使識(shí)別結(jié)果盡量與客觀事物相符。任務(wù)：研究如何將人類的認(rèn)識(shí)過程轉(zhuǎn)化為計(jì)算機(jī)識(shí)別，將某一具體事物正確的歸入某一類別。2、人工智能：——思考過程的計(jì)算機(jī)實(shí)現(xiàn)，即：研究如何利用計(jì)算機(jī)去做人腦的智力才能做的工作。專家系統(tǒng)－－是人工智能的分支研究如何設(shè)計(jì)基于知識(shí)的計(jì)算機(jī)程序系統(tǒng)，來(lái)模仿人類專家求解專門問題的能力。專家系統(tǒng)、模式識(shí)別、智能機(jī)器人等列為人工智能技術(shù)中最活躍的三個(gè)領(lǐng)域。3、神經(jīng)網(wǎng)絡(luò)：——自下而上的綜合分析方法。問題：神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練學(xué)習(xí)，需大量訓(xùn)練樣本集。且計(jì)算機(jī)模擬模型的并行操作，耗費(fèi)時(shí)間長(zhǎng)，可能達(dá)不到時(shí)間要求。具有很強(qiáng)的自適應(yīng)能力、學(xué)習(xí)能力、容錯(cuò)能力和魯棒性。4、知識(shí)發(fā)現(xiàn)數(shù)據(jù)挖掘（datamining）—方向之一是一個(gè)從數(shù)據(jù)、信息到知識(shí)的過程，即信息從無(wú)序到有序的過程，從粗到精的過程。特點(diǎn)（與數(shù)據(jù)采集的區(qū)別）：數(shù)據(jù)已收集好，不是為了數(shù)據(jù)分析去收集例如：網(wǎng)頁(yè)中檢索有價(jià)值的文本，即文本數(shù)據(jù)庫(kù)挖掘5．不確定性推理根據(jù)證據(jù)的不確定性和知識(shí)的不確定性，求出新的假設(shè)（結(jié)論）的不確定，即：新的不確定知識(shí)的獲取過程。或者：在知識(shí)不完全、不確定、有例外，甚至?xí)忻艿那闆r下，依據(jù)某些合理性標(biāo)準(zhǔn)，得到一些有錯(cuò)誤、但有用的結(jié)論。演繹推理：已知條件推導(dǎo)得結(jié)論不確定性推理：已知證據(jù)所得假設(shè)這些學(xué)科在某一方面有很多共性（交叉），但每一學(xué)科又有其獨(dú)有的特色。這些學(xué)科為我們提供了一個(gè)工具袋，所要做的工作之一就是結(jié)合具體問題把各種已有的方法（模式識(shí)別、人工智能、專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、不確定推理等等）結(jié)合起來(lái)，深入掌握其應(yīng)有的可能性，互相取長(zhǎng)補(bǔ)短，開創(chuàng)目標(biāo)分類識(shí)別應(yīng)用的新局面。這些學(xué)科中，模式識(shí)別是最基本、最重要的組成部分，涉及很多基本理論、基本方法。很多領(lǐng)域的目標(biāo)分類識(shí)別問題，其核心就是一個(gè)模式識(shí)別問題。1.1模式識(shí)別1.模式：是對(duì)客體的定量或結(jié)構(gòu)的描述2.定義:存在于時(shí)間和空間中可觀察的事物，區(qū)分它們是否相同或相似的過程。（已講）3.模式識(shí)別任務(wù)：按事物的“相似”程度組成類別。即將模式識(shí)別事物“正確”歸入某一類型。（已講）4.模式識(shí)別應(yīng)用：

很多的應(yīng)用領(lǐng)域都可歸入模式識(shí)別，應(yīng)用非常廣泛。典型例子：人臉檢測(cè)與識(shí)別。安全系統(tǒng)：如公安系統(tǒng)（疑犯追蹤），電子商場(chǎng)（信用卡身份確認(rèn)）等生物：細(xì)胞學(xué)、染色體特性研究醫(yī)學(xué)：醫(yī)療圖像分析、心電圖分析、腦電圖分析地理：衛(wèi)星圖像分析、地理資源，如巖石分類軍事：自動(dòng)目標(biāo)識(shí)別，雷達(dá)信號(hào)檢測(cè)與分類農(nóng)業(yè)：土壤評(píng)估（適合何種植物生長(zhǎng)）市政管理、經(jīng)濟(jì)、工程等1.2模式識(shí)別系統(tǒng)的實(shí)現(xiàn)1．模式識(shí)別的方法（傳統(tǒng)模式識(shí)別方法

）：統(tǒng)計(jì)模式識(shí)別：以類概率密度函數(shù)為基礎(chǔ)，又稱決策論方法，用特征矢量描述模式。結(jié)構(gòu)（句法）模式識(shí)別:

以圖形結(jié)構(gòu)特征為基礎(chǔ)，用字符串描述模式也可分為：監(jiān)督分類和非監(jiān)督分類模式識(shí)別系統(tǒng)的組成：信息獲取預(yù)處理特征提取和選擇分類器設(shè)計(jì)分類決策對(duì)象分類結(jié)果學(xué)習(xí)過程1.信息獲?。〝?shù)據(jù)采集）：對(duì)信號(hào)、圖像、數(shù)值表（數(shù)據(jù)）的采集。即：要用計(jì)算機(jī)可以運(yùn)算的符號(hào)來(lái)表示所研究的對(duì)象。如圖像：測(cè)量、采樣、量化等。（模式空間/測(cè)量空間）2.預(yù)處理：減小或消除模式獲取過程中的噪聲、干擾、提高S/N；加強(qiáng)有用信息，進(jìn)行復(fù)原等，如減小數(shù)據(jù)圖像模糊及幾何失真，提高清晰度；非線性模式轉(zhuǎn)化成線性模式。這個(gè)環(huán)節(jié)的內(nèi)容及方法很多：如濾波、變換、編碼、標(biāo)準(zhǔn)化等以某種判決規(guī)則為準(zhǔn)則，選取有效的特征,即為特征選擇。3．特征提取和選擇（特征空間）采用某種變換對(duì)特征空間的壓縮，稱為特征提取。模式空間特征空間（維數(shù)高）（維數(shù)較低）變換4．分類器設(shè)計(jì)分類器設(shè)計(jì)就是所謂的學(xué)習(xí)訓(xùn)練過程。用一定數(shù)量的樣本確定某種判別準(zhǔn)則，通過反復(fù)輸入、修正，