中科院學(xué)習(xí)課件-模式識別-第一章資料.精講

引言

第一頁第二頁，共57頁。課程對象計(jì)算機(jī)應(yīng)用技術(shù)專業(yè)碩士研究生的專業(yè)基礎(chǔ)課電子科學(xué)與技術(shù)學(xué)科碩士研究生的專業(yè)基礎(chǔ)課第二頁第三頁，共57頁。與模式識別相關(guān)的學(xué)科統(tǒng)計(jì)學(xué)概率論線性代數(shù)（矩陣計(jì)算）形式語言機(jī)器學(xué)習(xí)人工智能圖像處理計(jì)算機(jī)視覺…第三頁第四頁，共57頁。教學(xué)方法著重講述模式識別的基本概念，基本方法和算法原理。注重理論與實(shí)踐緊密結(jié)合實(shí)例教學(xué)：通過大量實(shí)例講述如何將所學(xué)知識運(yùn)用到實(shí)際應(yīng)用之中避免引用過多的、繁瑣的數(shù)學(xué)推導(dǎo)。

第四頁第五頁，共57頁。教學(xué)目標(biāo)掌握模式識別的基本概念和方法有效地運(yùn)用所學(xué)知識和方法解決實(shí)際問題為研究新的模式識別的理論和方法打下基礎(chǔ)

第五頁第六頁，共57頁。題外話基本：完成課程學(xué)習(xí)（作業(yè)），通過考試，獲得學(xué)分。提高：能夠?qū)⑺鶎W(xué)知識和內(nèi)容用于課題研究，解決實(shí)際問題，完成畢業(yè)論文。飛躍：通過模式識別的學(xué)習(xí)，改進(jìn)思維方式，為將來的工作打好基礎(chǔ)，終身受益。第六頁第七頁，共57頁。參考文獻(xiàn)R.Duda,P.Hart,D.Stork,PatternClassification,secondedition,2000（中譯本：李宏東等譯，模式分類，機(jī)械工業(yè)出版社，2004）邊肇祺，模式識別（第二版），清華大學(xué)出版社，2000。蔡元龍，模式識別，西北電訊工程學(xué)院出版社，1986。第七頁第八頁，共57頁。機(jī)構(gòu)、會議、刊物1973年IEEE發(fā)起了第一次關(guān)于模式識別的國際會議“ICPR”（此后兩年一次），成立了國際模式識別協(xié)會---“IAPR”1977年IEEE成立PAMI委員會，創(chuàng)立IEEETrans.onPAMI，并支持ICCV,CVPR兩個(gè)會議其它刊物PatternRecognition(PR)PatternRecognitionLetters(PRL)PatternAnalysisandApplication(PAA)InternationalJournalofPatternRecognitionandArtificialIntelligence(IJPRAI)第八頁第九頁，共57頁。第一章模式識別概論第九頁第十頁，共57頁。什么是模式（Pattern）？第十頁第十一頁，共57頁。什么是模式？廣義地說，存在于時(shí)間和空間中可觀察的物體，如果我們可以區(qū)別它們是否相同或是否相似，都可以稱之為模式。模式所指的不是事物本身，而是從事物獲得的信息，因此，模式往往表現(xiàn)為具有時(shí)間和空間分布的信息。模式的直觀特性:可觀察性可區(qū)分性相似性第十一頁第十二頁，共57頁。模式識別的概念模式識別–直觀，無所不在，“人以類聚，物以群分”周圍物體的認(rèn)知：桌子、椅子人的識別：張三、李四聲音的辨別：汽車、火車，狗叫、人語氣味的分辨：炸帶魚、紅燒肉人和動物的模式識別能力是極其平常的，但對計(jì)算機(jī)來說卻是非常困難的。第十二頁第十三頁，共57頁。模式識別的研究目的：利用計(jì)算機(jī)對物理對象進(jìn)行分類，在錯(cuò)誤概率最小的條件下，使識別的結(jié)果盡量與客觀物體相符合。Y=F(X)X的定義域取自特征集Y的值域?yàn)轭悇e的標(biāo)號集F是模式識別的判別方法第十三頁第十四頁，共57頁。模式識別簡史1929年G.Tauschek發(fā)明閱讀機(jī)，能夠閱讀0-9的數(shù)字。30年代Fisher提出統(tǒng)計(jì)分類理論，奠定了統(tǒng)計(jì)模式識別的基礎(chǔ)。50年代NoamChemsky提出形式語言理論——傅京蓀提出句法結(jié)構(gòu)模式識別。60年代L.A.Zadeh提出了模糊集理論，模糊模式識別方法得以發(fā)展和應(yīng)用。80年代以Hopfield網(wǎng)、BP網(wǎng)為代表的神經(jīng)網(wǎng)絡(luò)模型導(dǎo)致人工神經(jīng)元網(wǎng)絡(luò)復(fù)活，并在模式識別得到較廣泛的應(yīng)用。90年小樣本學(xué)習(xí)理論，支持向量機(jī)也受到了很大的重視。第十四頁第十五頁，共57頁。模式識別簡史21世紀(jì)以來，模式識別研究呈現(xiàn)一些新特點(diǎn)貝葉斯學(xué)習(xí)理論越來越多地用來解決具體的模式識別和模型選擇問題，產(chǎn)生了良好的分類性能。傳統(tǒng)的問題，如概率密度估計(jì)、特征選擇、聚類等不斷受到新的關(guān)注，新的方法或改進(jìn)/混合的方法不斷提出。模式識別和機(jī)器學(xué)習(xí)相互滲透，特征提取和選擇、分類、聚類、半監(jiān)督學(xué)習(xí)、深度學(xué)習(xí)等問題日益成為二者共同關(guān)注的熱點(diǎn)。模式識別系統(tǒng)開始越來越多地用于現(xiàn)實(shí)生活，如車牌識別、手寫字符識別、生物特征識別等。第十五頁第十六頁，共57頁。模式識別的應(yīng)用（舉例）生物學(xué)自動細(xì)胞學(xué)、染色體特性研究、遺傳研究天文學(xué)天文望遠(yuǎn)鏡圖像分析、自動光譜學(xué)經(jīng)濟(jì)學(xué)股票交易預(yù)測、企業(yè)行為分析醫(yī)學(xué)心電圖分析、腦電圖分析、醫(yī)學(xué)圖像分析第十六頁第十七頁，共57頁。模式識別的應(yīng)用（舉例）工程產(chǎn)品缺陷檢測、特征識別、語音識別、自動導(dǎo)航系統(tǒng)、污染分析軍事航空攝像分析、雷達(dá)和聲納信號檢測和分類、自動目標(biāo)識別安全指紋識別、人臉識別、監(jiān)視和報(bào)警系統(tǒng)第十七頁第十八頁，共57頁。模式識別方法模式識別系統(tǒng)的目標(biāo)：在特征空間和解釋空間之間找到一種映射關(guān)系，這種映射也稱之為假說。特征空間：從模式得到的對分類有用的度量、屬性或基元構(gòu)成的空間。解釋空間：將c個(gè)類別表示為 其中為所屬類別的集合，稱為解釋空間。第十八頁第十九頁，共57頁。假說的兩種獲得方法監(jiān)督學(xué)習(xí)、概念驅(qū)動或歸納假說：在特征空間中找到一個(gè)與解釋空間的結(jié)構(gòu)相對應(yīng)的假說。在給定模式下假定一個(gè)解決方案，任何在訓(xùn)練集中接近目標(biāo)的假說也都必須在“未知”的樣本上得到近似的結(jié)果。依靠已知所屬類別的訓(xùn)練樣本集，按它們特征向量的分布來確定假說（通常為一個(gè)判別函數(shù)），在判別函數(shù)確定之后能用它對未知的模式進(jìn)行分類；對分類的模式要有足夠的先驗(yàn)知識，通常需要采集足夠數(shù)量的具有典型性的樣本進(jìn)行訓(xùn)練。第十九頁第二十頁，共57頁。假說的兩種獲得方法（續(xù)）非監(jiān)督學(xué)習(xí)、數(shù)據(jù)驅(qū)動或演繹假說：在解釋空間中找到一個(gè)與特征空間的結(jié)構(gòu)相對應(yīng)的假說。這種方法試圖找到一種只以特征空間中的相似關(guān)系為基礎(chǔ)的有效假說。在沒有先驗(yàn)知識的情況下，通常采用聚類分析方法，基于“物以類聚”的觀點(diǎn)，用數(shù)學(xué)方法分析各特征向量之間的距離及分散情況；如果特征向量集聚集若干個(gè)群，可按群間距離遠(yuǎn)近把它們劃分成類；這種按各類之間的親疏程度的劃分，若事先能知道應(yīng)劃分成幾類，則可獲得更好的分類結(jié)果。第二十頁第二十一頁，共57頁。模式分類的主要方法數(shù)據(jù)聚類統(tǒng)計(jì)分類結(jié)構(gòu)模式識別神經(jīng)網(wǎng)絡(luò)第二十一頁第二十二頁，共57頁。數(shù)據(jù)聚類目標(biāo)：用某種相似性度量的方法將原始數(shù)據(jù)組織成有意義的和有用的各種數(shù)據(jù)集。是一種非監(jiān)督學(xué)習(xí)的方法，解決方案是數(shù)據(jù)驅(qū)動的。第二十二頁第二十三頁，共57頁。統(tǒng)計(jì)分類基于概率統(tǒng)計(jì)模型得到各類別的特征向量的分布，以取得分類的方法。特征向量分布的獲得是基于一個(gè)類別已知的訓(xùn)練樣本集。是一種監(jiān)督分類的方法，分類器是概念驅(qū)動的。第二十三頁第二十四頁，共57頁。結(jié)構(gòu)模式識別該方法通過考慮識別對象的各部分之間的聯(lián)系來達(dá)到識別分類的目的。識別采用結(jié)構(gòu)匹配的形式，通過計(jì)算一個(gè)匹配程度值（matchingscore）來評估一個(gè)未知的對象或未知對象某些部分與某種典型模式的關(guān)系如何。當(dāng)成功地制定出了一組可以描述對象部分之間關(guān)系的規(guī)則后，可以應(yīng)用一種特殊的結(jié)構(gòu)模式識別方法–句法模式識別，來檢查一個(gè)模式基元的序列是否遵守某種規(guī)則，即句法規(guī)則或語法。第二十四頁第二十五頁，共57頁。神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)是受人腦組織的生理學(xué)啟發(fā)而創(chuàng)立的。由一系列互相聯(lián)系的、相同的單元（神經(jīng)元）組成。相互間的聯(lián)系可以在不同的神經(jīng)元之間傳遞增強(qiáng)或抑制信號。增強(qiáng)或抑制是通過調(diào)整神經(jīng)元相互間聯(lián)系的權(quán)重系數(shù)來（weight）實(shí)現(xiàn)。神經(jīng)網(wǎng)絡(luò)可以實(shí)現(xiàn)監(jiān)督和非監(jiān)督學(xué)習(xí)條件下的分類。第二十五頁第二十六頁，共57頁。模式識別系統(tǒng)模式識別系統(tǒng)的基本構(gòu)成數(shù)據(jù)獲取特征提取和選擇預(yù)處理分類決策分類器設(shè)計(jì)第二十六頁第二十七頁，共57頁。模式識別系統(tǒng)組成單元數(shù)據(jù)獲?。河糜?jì)算機(jī)可以運(yùn)算的符號來表示所研究的對象二維圖像：文字、指紋、地圖、照片等一維波形：腦電圖、心電圖、季節(jié)震動波形等物理參量和邏輯值：體溫、化驗(yàn)數(shù)據(jù)、參量正常與否的描述預(yù)處理單元：去噪聲，提取有用信息，并對輸入測量儀器或其它因素所造成的退化現(xiàn)象進(jìn)行復(fù)原第二十七頁第二十八頁，共57頁。模式識別系統(tǒng)組成單元特征提取和選擇：對原始數(shù)據(jù)進(jìn)行變換，得到最能反映分類本質(zhì)的特征測量空間：原始數(shù)據(jù)組成的空間特征空間：分類識別賴以進(jìn)行的空間模式表示：維數(shù)較高的測量空間->維數(shù)較低的特征空間分類決策：在特征空間中用模式識別方法把被識別對象歸為某一類別基本做法：在樣本訓(xùn)練集基礎(chǔ)上確定某個(gè)判決規(guī)則，使得按這種規(guī)則對被識別對象進(jìn)行分類所造成的錯(cuò)誤識別率最小或引起的損失最小。第二十八頁第二十九頁，共57頁。模式識別過程實(shí)例在傳送帶上用光學(xué)傳感器件對魚按品種分類 鱸魚(Seabass) 品種 鮭魚(Salmon)第二十九頁第三十頁，共57頁。識別過程數(shù)據(jù)獲?。杭茉O(shè)一個(gè)攝像機(jī)，采集一些樣本圖像，獲取樣本數(shù)據(jù)預(yù)處理：去噪聲，用一個(gè)分割操作把魚和魚之間以及魚和背景之間分開第三十頁第三十一頁，共57頁。識別過程特征提取和選擇：對單個(gè)魚的信息進(jìn)行特征選擇，從而通過測量某些特征來減少信息量長度亮度寬度魚翅的數(shù)量和形狀嘴的位置，等等…分類決策：把特征送入決策分類器第三十一頁第三十二頁，共57頁。第三十二頁第三十三頁，共57頁。第三十三頁第三十四頁，共57頁。第三十四頁第三十五頁，共57頁。第三十五頁第三十六頁，共57頁。第三十六頁第三十七頁，共57頁。第三十七頁第三十八頁，共57頁。模式分類器的獲取和評測過程數(shù)據(jù)采集特征選取模型選擇訓(xùn)練和測試計(jì)算結(jié)果和復(fù)雜度分析，反饋第三十八頁第三十九頁，共57頁。第三十九頁第四十頁，共57頁。訓(xùn)練和測試訓(xùn)練集：是一個(gè)已知樣本集，在監(jiān)督學(xué)習(xí)方法中，用它來開發(fā)出模式分類器。測試集：在設(shè)計(jì)識別和分類系統(tǒng)時(shí)沒有用過的獨(dú)立樣本集。系統(tǒng)評價(jià)原則：為了更好地對模式識別系統(tǒng)性能進(jìn)行評價(jià)，必須使用一組獨(dú)立于訓(xùn)練集的測試集對系統(tǒng)進(jìn)行測試。第四十頁第四十一頁，共57頁。實(shí)例：統(tǒng)計(jì)模式識別19名男女同學(xué)進(jìn)行體檢，測量了身高和體重，但事后發(fā)現(xiàn)其中有4人忘記填寫性別，試問（在最小錯(cuò)誤的條件下）這4人是男是女？體檢數(shù)值如下：第四十一頁第四十二頁，共57頁。實(shí)例：統(tǒng)計(jì)模式識別（續(xù)）待識別的模式：性別（男或女）測量的特征：身高和體重訓(xùn)練樣本：15名已知性別的樣本特征目標(biāo)：希望借助于訓(xùn)練樣本的特征建立判別函數(shù)（即數(shù)學(xué)模型）第四十二頁第四十三頁，共57頁。實(shí)例：統(tǒng)計(jì)模式識別（續(xù)）由訓(xùn)練樣本得到的特征空間分布圖第四十三頁第四十四頁，共57頁。實(shí)例：統(tǒng)計(jì)模式識別（續(xù)）從圖中訓(xùn)練樣本的分布情況，找出男、女兩類特征各自的聚類特點(diǎn)，從而求取一個(gè)判別函數(shù)（直線或曲線）。只要給出待分類的模式特征的數(shù)值，看它在特征平面上落在判別函數(shù)的哪一側(cè)，就可以判別是男還是女了。第四十四頁第四十五頁，共57頁。實(shí)例：句法模式識別問題：如何利用對圖像的結(jié)構(gòu)信息描述，識別如下所示圖片：第四十五頁第四十六頁，共57頁。實(shí)例：句法模式識別（續(xù)）將整個(gè)場景圖像結(jié)構(gòu)分解成一些比較簡單的子圖像的組合；子圖像又用一些更為簡單的基本圖像單元來表示，直至子圖像達(dá)到了我們認(rèn)為的最簡單的圖像單元（基元）；所有這些基元按一定的結(jié)構(gòu)關(guān)系來表示，利用多級樹結(jié)構(gòu)對其進(jìn)行描述（這種描述可以采用形式語言理論）。第四十六頁第四十七頁，共57頁。實(shí)例：句法模式識別（續(xù)）多級樹描述結(jié)構(gòu)第四十七頁第四十八頁，共57頁。實(shí)例：句法模式識別（續(xù)）訓(xùn)練過程：用已知結(jié)構(gòu)信息的圖像作為訓(xùn)練樣本，先識別出基元（比如場景圖中的X、Y、Z等簡單平面）和它們之間的連接關(guān)系（例如長方體E是由X、Y和Z三個(gè)面拼接而成），并用字母符號代表之；然后用構(gòu)造句子的文法來描述生成這幅場景的過程，由此推斷出生成該場景的一種文法。第四十八頁第四十九頁，共57頁。實(shí)例：句法模式識別（續(xù)）識別過程：先對未知結(jié)構(gòu)信息的圖像進(jìn)行基元提取及其相互結(jié)構(gòu)關(guān)系的識別；然后用訓(xùn)練過程獲得的文法做句法分析；如果能被已知結(jié)構(gòu)信息的文法分析出來，則該幅未知圖像與訓(xùn)練樣本具有相同的結(jié)構(gòu)（識別成功），否則就不是這種結(jié)構(gòu)（識別失?。?。第四十九頁第五十頁，共57頁。本門課程的主要內(nèi)容第一章概論第二章聚類分析第三章判別函數(shù)第四章統(tǒng)計(jì)判別第五章 特征選擇和提取第六章 神經(jīng)網(wǎng)絡(luò)第七章 句法模式識別第八章 模糊模式識別第九章 模式識別應(yīng)用第五十頁第五十一頁，共57頁。相關(guān)數(shù)學(xué)概念隨機(jī)向量及其分布隨機(jī)向量如果一個(gè)對象的特征觀察值為{x1,x2,…,xn}，它可構(gòu)成一個(gè)n維的特征向量值x，即

x=(x1,x2,…,xn)T

式中，x1,x2,…,xn為特征向量x的各個(gè)分量。一個(gè)特征可以看作n維空間中的向量或點(diǎn)，此空間稱為模式的特征空間Rn 。第五十一頁第五十二頁，共57頁。相關(guān)數(shù)學(xué)概念隨機(jī)向量及其分布