模式识别的一些基本问题 模式识别的一些基本问题 口相似和分类 口特征生成 ·分类具有主观性 ■低层特征：最靠近信息输入端。 口目的不同，分类不同，常缺乏纯客观的分类标 ■中层特征：经过计算，变换得到的特征。 准。依据哪些特征决定相似并进行分类，取决于 行为的目的和方法。 。高层特征：在中层特征的基础上有目的的经过运 算形成。 ■分类的客观性 ■例：椅子的重量=体积*比重（体积与长，宽， 口科学性，判断分类必须有客观标准。 高有关：比重与材料，纹理，颜色有关。因此包 含了低、中、高三层特征。) 模式识别的一些基本问题 模式识别的方法 口特征生成 口模版匹配法(template matching) o统计方法(statistical pattern recognition): 果 1950s- 亨经爱绿 想的 口神经网络方法(neural network):1980s 如绸根据这些 口结构方法（句法方法）：1970s 特征将这些样 (structural pattern recognition 本分类？ 口支持向量机、核方法：1990s 根什么分？ 口多分类器、集成学习：1990s Bayes学习：1990s 口1990s-:模式识别技术大规模应用 模式识别的方法 模式识别的方法 口模版匹配 口统计方法 ■方法： ■原理：基于模式类的统计描述。 口首先对每个类别建立一个或多个模版： ■方法： 口测试样本和数据库中每个类别的模版进行比 口有监督：基于训练样本，建立决策边界： 较，例如求相关或距离： ·统计决策理论一根据每一类总体的概率分布决定 口根据相似性（相关性或距离）大小进行决策： 决策边界： ■优点：直接、简单 ·判别式分析方法一给出带参数的决策边界，根据 ■缺点：适应性差 某种准则，由训练样本决定“最优”的参数： 口无监督：聚类分析 ■扩展：弹性模版法、多模版匹配 ■应用：生物特征识别、条码识别、车牌识别… ■优/缺点 33 13 模式识别的一些基本问题  相似和分类  分类具有主观性 目的不同，分类不同，常缺乏纯客观的分类标 准。依据哪些特征决定相似并进行分类，取决于 行为的目的和方法。  分类的客观性 科学性，判断分类必须有客观标准。 14 模式识别的一些基本问题  特征生成  低层特征：最靠近信息输入端。  中层特征：经过计算，变换得到的特征。  高层特征：在中层特征的基础上有目的的经过运 算形成。  例：椅子的重量=体积*比重 （体积与长，宽， 高有关；比重与材料，纹理，颜色有关。因此包 含了低、中、高三层特征。） 15 模式识别的一些基本问题  特征生成 16 模式识别的方法  模版匹配法(template matching)  统计方法(statistical pattern recognition)： 1950s-  神经网络方法(neural network)： 1980s-  结构方法(句法方法)： 1970s- (structural pattern recognition )  支持向量机、核方法：1990s-  多分类器、集成学习：1990s-  Bayes学习：1990s-  1990s-: 模式识别技术大规模应用 17 模式识别的方法  模版匹配  方法： 首先对每个类别建立一个或多个模版； 测试样本和数据库中每个类别的模版进行比 较，例如求相关或距离； 根据相似性（相关性或距离）大小进行决策；  优点：直接、简单  缺点：适应性差  扩展：弹性模版法、多模版匹配  应用：生物特征识别、条码识别、车牌识别…… 18 模式识别的方法  统计方法  原理：基于模式类的统计描述。  方法： 有监督：基于训练样本，建立决策边界；  统计决策理论 — 根据每一类总体的概率分布决定 决策边界；  判别式分析方法 — 给出带参数的决策边界，根据 某种准则，由训练样本决定“最优”的参数； 无监督：聚类分析  优/缺点