1、课程章节及安排 第1章 绪论 第2章 聚类分析 第3章 贝叶斯分类 第4章 Fisher线性判别 第5章 近邻法 第6 章BP神经网络及案例 第7章 模式识别案例分析第一章 绪论1.1 模式识别的基本概念1.2 特征描述1.3 模式识别方法1.4 模式识别工程设计1.1 模式识别的基本概念模式通过信息的采集，形成的对一个对象的描述模式类模式所属的类别或同一类中的模式的总体模式识别利用计算机（或人为少量的干预）自动地将待识别的事物分配到各个模式类中的技术1.1 模式识别的基本概念 模式识别系统的组成 图1-1 模式识别系统的基本构成 数据采集预处理特征提取和选择分类器设计分类决策1.1 模式识别
2、的基本概念数据采集数据采集：要利用各种传感器把待识别的事物或现象的基本特征信息转换成计算机可以运行的符号。预处理预处理：减少外界干扰（数字滤波、图像增强等）特征提取和选择特征提取和选择：从模式的某种描述状态提取出所需要的，用另一种形式表示的特征分类决策或模型匹配分类决策或模型匹配：用模式识别方法（由分类器设计确定的分类规则）对待识别模式进行分类判别1.2 特征描述特征：一般来说，特征是指从模式中得到的对分类有用的度量、属性或单元，是描述模式的最佳方式常用的图像特征：颜色特征 纹理特征 形状特征 空间关系特征1.3 模式识别方法统计法统计法：主要基于概率模型得到各类别的特征向量的分布，从而来实现
3、分类的功能。聚类法聚类法：用某种相似性度量的方法将数据组分成所需要的各组数据。主要有分层聚类法和迭代聚类法。神经网络法神经网络法：利用给定的样本，在学习过程中不断修正内部连接权重和阈值，使实际输出与期望输出在一定误差范围内相等。BP(误差反传播算法)网络模型是模式识别应用最广泛的网络之一人工智能法：人工智能法：应用专家系统、智能推理技术、不确定性推理等智能算法，所获取样本进行识别。主要解决高复杂度，无法建立准确的模型或者信息不准确、不确切等问题。1.4 模式识别工程设计1.4.1工程任务图1-2 模式识别的主要任务流程图（1）模式采集 对存在于时间和空间中的具有可观察性和可区分性的物体，进行信
4、息采集，是从客观世界（对象空间）到模式空间转换的过程。此过程通常需要对采集的信息进行预处理，从而降低运算量，获得更有效的信息，为下一步的特征提取做好准备（2）特征提取和特征选择 特征选择：对得到的一组特征中选出最有效的特 征作为它的一个有效子集 特征提取：利用模式测量空间的转变或者（或映射）特征空间的维数从高维变成低维 目的：降低计算复杂度图1-3 二维空间向一维空间的转换 （3）类型判别它是模式识别的核心，是对提取的识别对象进行分类，以完成最后的识别分类的过程图1-4 分类识别的过程（3）类型判别类型判别方法：判别分析和类聚分析判别分析判别分析：样本类型已知，以一组已知类型样本作为训练集，建
5、立相应的判别模型，进而利用所建立的模型依据相似性原则对未知样本进行识别。是一种有监督模式识别。聚类分析聚类分析：样本类型未知，在学习过程中根据样本的相似性对被识别的样本进行识别分类和归类。是一种无监督模式识别（3）类型判别 有监督模式识别和无监督模式识别的基本原理图1-5 模式识别的分类1.4.2训练集和测试集选择训练集：一般来说样本类型是已知（已经标定）的，用来训练分类器的，通过训练集使分类器具有初步认知此类数据；(1)可靠性；(2)样本数目足够多；(3)样本数M与模式空间维数N的关系要满足M/N3,最好M/N10；在选择训练集的实验中一般选择一些具有相同特征且特征明显的数据样本作为训练集，这类样本能让分类器更快更有效的获得此类样本的特性；测试集：样本是未知的（没有标定的），需要用分类器进行识别的，一般选择在设计分类系统没有使用过的独立的样本即可。1.4.3模式识别软件目前来说，有很多软件可以指导设计模式识别系统，建立一个模式识别系统要用到的相关软件有MATLAB、opencv、vc6.0等等图1-6 MATLAB仿真示意图
