第二讲 模式识别与机器智能

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,第二讲：模式识别与机器智能,2.1,基本概念与研究目标,2.2,模式识别系统的组织结构,2.3,模式识别的主流方法,2.4,人脸检测与识别的简单示例,2.5,模式识别的应用范例,2.6,可以涉猎的教科书或教学参考书,第二讲：模式识别与机器智能,2.1,基本概念与研究目标,(1),模式,:,是对存在于空间和时间中的可观察客体的统称。根据需要或兴趣可进行定量或结构的描述。,（,2,）,模式类：,具有某些共同或相似特征的模式样本的集合。,（,3,）,简单模式：,如果在应用目的上只对类别的区分感兴趣，且将其视为整体来分类是可能的，则称这样的模式为简单模式。,如数字字符、汉字、指纹图像、单词的语音波形等。,2.1,基本概念与研究目标,（,4,）,复杂模式：,如果从应用目的上考虑，只给出模式的类别区分是不够的，或者将模式作为整体来分类是不可能的，则称该模式为复杂模式。,如,:,电路图、市政交通图、市区风景图等。,（,5,）,分类：,在（简单）模式的分类中，每个模式都作为一个整体来观察，且与其他模式无关地唯一归入到,k,个可能类别,i,（,i=1,2,，,k,）中的一个类别,j,。,当某个模式与,k,个可能的模式类均无相似之处时，则视其为拒识类，记为,（,k+1,）,。,2.1,基本概念与研究目标,（,6,）,模式识别：,研究具有空间和时间分布信息的模式的自动处理和判读的策略、算法和实现技术。,其中既包括简单模式的分类，也包括复杂模式的分析。,研究和发展“,模式识别,”,的目的是,:,通过模式识别的理论方法和实现技术,将,“,智能,”,赋予机器（计算机），使机器能够完成人类智能中通过视觉、听觉、触觉等感官来识别外界环境和目标的智能化任务。从而提高计算机的感知能力和智能化水平，大大拓宽计算机的应用领域。,2.2,模式识别系统的组织结构,图,1,典型模式识别系统的基本组织结构,2.3,模式识别的主流方法,(1),统计模式识别,（,Statistical Pattern Recognition:,StatPR,）,以概率统计方法为理论工具，研究和开发模式分类的决策策略和算法，设计有效的分类器。,图,2,统计分类器示意图,2.3,模式识别的主流方法,(2),结构,(,句法,),模式识别,（,StrucPR,）,结构模式识别是在抽取模式的基本结构要素（,基元,）和各要素之间的相互关系的基础上，推断定义出可反映每一模式类之结构的文法。通俗而言，就是以小而简单的,基元,与恰当的,文法规则,来描述大而复杂的模式。进而以“文法”为工具，通过句法分析来实现分类或描述。,2.3,模式识别的主流方法,(2),结构,(,句法,),模式识别（,Struc,PR,）,图,3,文法推断流程图,2.3,模式识别的主流方法,(2),结构,(,句法,),模式识别（,Struc,PR,）,图,4,基于句法分析的分类器,2.3,模式识别的主流方法,(3),软计算模式识别,（,SoComPR,）, 神经模式识别,（,Neural Pattern Recognition:,NeurPR,）,综合利用神经网络的感知、学习和训练功能，通过监督（或非监督）学习训练赋予神经网络有效的分类识别能力。, 模糊模式识别,（,Fuzzy Pattern Recognition:,FuzzyPR,）,利用建立在模糊逻辑基础上的模糊关系，根据隶属原则，模糊等价关系，以及模糊相似关系实现模式分类。,2.4,人脸检测与识别的简单示例,2.4,人脸检测与识别的简单示例,2.5,模式识别的应用范例,(1),文字识别,从,1929,年,Tauschek,的印刷体阿拉伯数字字符的光电模板匹配到当今的邮政信函自动分拣系统，汉王等。,（,2,）人体特征识别与身份认证,指纹、掌纹、静脉、人脸、虹膜、人耳、步态等。,（,3,）医学图像分析、识别与辅助诊断,心电图,/,脑电图,/X,光片,/CT,图片,/MRI,图片分析与检测；染色体的自动分类；癌细胞分类与识别；血相分析等。,（,4,）语音识别,从孤立语音识别到连续语音识别；发声者识别等。,（,5,）国防与军事应用,可见光,/,雷达,/,红外图像分析与识别；图像制导与导航等。,（,6,）资源调查与地质勘探,2.6,可以涉猎的教科书或教学参考书,1,杨光正，吴岷，张晓莉，模式识别，中国科学技术大学,出版社，,2001,年,2,边肇祺，张学工，模式识别，清华大学出版社，,2000,年,3,沈清，汤霖，模式识别导论，国防科技大学出版社，,1997,年,4Richard O.,Duda, Peter E. Hart, David G. Stork,著，,李宏东，姚天翔等译，模式分类（,Pattern Classification,）,机械工业出版社,2003,年,5Robert J.,Schalkoff, Pattern Recognition:,Statistical,Structural,and Neural Approaches, Clemson University,