模式识别
1
★ 相关学科
●统计学
●概率论
●线性代数(矩阵计算)
●形式语言
●人工智能
●图像处理
●计算机视觉
等等
2
讲授课程内容及安排
第一章 引论
第二章 聚类分析
第三章 判别域代数界面方程法
第四章 统计判决
第五章 学习、训练与错误率估计
第六章 最近邻方法
第七章 特征提取和选择
上机实习
3
第一章 引论
1.1 概述
1.2 特征矢量和特征空间
1.3 随机矢量的描述
1.4 正态分布
4
概念
n 模式识别(Pattern Recognition):确定一个
样本的类别属性(模式类)的过程,即把某一
样本归属于多个类型中的某个类型。
n 样本(Sample):一个具体的研究(客观)对象。
如患者,某人写的一个汉字,一幅图片等。
n 模式(Pattern):对客体(研究对象)特征的
描述(定量的或结构的描述),是取自客观世
界的某一样本的测量值的集合(或综合)。
概念
n 特征(Features):能描述模式特性的量(测
量值)。在统计模式识别方法中,通常用一
个矢量 表示,称之为特征矢量,记为
x
x
(
,
xx
1
2
,
,
nx
)
n 模式类(Class):具有某些共同特性的模式
的集合。
模式识别的例子
计算机自动诊断疾病:
1. 获取情况(信息采集) 测量体温、血压、心率、
血液化验、X光透射、B超、心电图、CT等尽可
能多的信息,并将这些信息数字化后输入电脑。
当然在实际应用中要考虑采集的成本,这就是
说特征要进行选择的。
2. 运行在电脑中的专家系统或专用程序可以分析
这些数据并进行分类,得出正常或不正常的判
断,不正常情况还要指出是什么问题。
各类空间(Space)的概念
模
式
识
别
三
大
任
务
对象空间
模式空间
特征空间
类型空间
模式采集:从客观世界(对象
空间)到模式空间的过程称为
模式采集。
特征提取和特征选择:由模式
空间到特征空间的变换和选择。
类型判别:特征空间到类型空
间所作的操作。
8