1014模式识别方法的分类.PPT

* 第 10 章 模 式识 别 第 10 章 模 式识 别 10.1 模式识别概述 10.2 统计模式识别 习题十 10.1 模式识别概述 10.1.1 模式、模式类与模式识别 　　我们知道, 被识对象都具有一些属性、状态或者说特征。 例如, 图形有长度、面积、颜色、边的数目等特征。声音有大小、音调的高度、频率分量的强度等特征。而对象之间的差异也就表现在这些特征的差异上。因此,可以用对象的特征来表征对象, 即为对象建模。另一方面, 从结构来看,有些被识对象可以看作是由若干基本成分按一定的规则组合而成。例如, 一个汉字就是由若干基本笔划组成的,而一个几何图形则可以看作是由若干基本线条组合而成。因此, 可以用一些基本元素的某种组合来刻画对象, 即为对象建模。 　　定义1 能够表征或刻画被识对象类属特征的信息模型称为对象的模式(pattern)。  　　有了模式, 对实体对象的识别就转化为对其模式的识别。 那么, 怎样识别呢？ 　　考察我们人类对物体的识别过程, 可以发现,识别其实就是分类, 即辨识或判别被识对象的类属。例如, 汉字“文”可以有多种形体、写法和大小, 但它们都属于同一个类。而我们识别这个“文”字实际也就是在判定当前看到的对象“文”的类属。又如,同一个人的脸, 从不同角度或在不同时间所看到的模样是不一样的, 但这些模样属于同一类, 即该人的脸像类。而我们在识别人的脸谱时,实际上就是在判定当前看到的样子应该属于哪一个脸像类。也就是在把当前看到的模样归入我们记忆中该人脸像的类中。 　　定义2 具有某些共同特性的模式的集合称为模式类, 判定一个待识模式类属的过程称为模式识别。 10.1.2 模式的表示 　　最常用的模式表示形式有向量和字符串。  　　用向量表示对象模式就是以对象的诸特征值作为分量组成的一个n维向量X，即X= (x1, x2,…,xn)Rn，其中xi (i=1,2,…,n) 为相应对象的第i个特征值。例如，向量(2, 10, 0.8, 100)就描述了一个模式。由于被识对象的特征往往都取数量值，于是，用n维向量表示对象模式就是一个很自然的选择。 　表示对象模式的n维向量称为特征向量，而相应的向量空间R*Rn称为特征空间。 　　基于被识对象的结构特征，人们又提出了对象模式的字符串表示形式和方法。用字符串表示模式，就是先对对象的结构作适当分割，以找出其基本图元并以单字符命名，然后根据对象的结构特点，将这些基本图元的符号名按相应的逻辑顺序排成一列。这样得到的字符串即为原对象的模式。例如，对于图10-1(a)所示的数字6，根据其结构特点，该图就可以分割为两个子图(如图10-1(b)所示)；进而可以以有向线段a、b、c、d作为基本图元（10-1(c)所示）。这样，该图形就可以看作是由线段a、b、c、d按数字6的书写顺序依次首尾相连而成(如图10-1(d)所示)。于是，该图形的模式就可以用字符串S=accbda来描述。 图 10-1 字符串描述模式示例 　　表示模式的字符串一般是由小写字母组成的一个字符序列s1s2…sm。  　　上面我们给出了模式的两种表示形式:特征向量和字符串。 其中,特征向量反映的是对象的数量特征, 或者说是用数量来描述对象的,所以, 特征向量是被识对象的数量模式;字符串反映的是对象的构造特征,或者说是用形状来描述对象的, 因此字符串是被识对象的结构模式。  　　特征向量和字符串是两种最常用、最基本的模式表示形式。除此而外, 模式的表示形式还有树、图等数据结构以及模糊集合等, 它们一般被用来描述复杂的对象模式。 10.1.3 模式识别系统的工作原理 　　我们已经知道,模式识别就是判定一个待识模式的类属的过程。但是要判定一个模式的类属, 首先就得存在相应的模式类。所以在正式进行模式识别之前, 就得让计算机先具有相关模式类的知识。这种知识可以是一个类的标准模式(这是最直接、最自然的想法和做法), 也可以是该类的判别条件(如判别函数或规则)等。有了相关模式类的知识, 在遇到相应的模式时, 计算机就可以根据这些知识来判定该模式的类别了。 　　怎样使计算机具有某一模式类的知识呢？现在的一般做法是先让计算机自己去学习(其实是发现)。这就又归结为机器学习的问题了。 而要进行机器学习, 就得有作为样例的模式。在模式识别中, 要得到样例模式, 还要通过信息获取、 预处理和特征选取或基元选取等一系列的过程。  　　信息获取就是采集被识别对象的原始信息。这些信息一般表现为光、声、热、电等形式的信号量。所以,对所采集的信息还需进行数/模转换。另外, 原始信息中可能还夹杂着一些干扰或噪声, 因此还必须进行预处理, 以除去噪声, 修整为有用信息。 　　采集来的原始数据, 其数据量往往