模式识别系统示例 模式识别的一些基本问题 口自动按品种分类传送带上的鱼类(鲈鱼和鲑鱼) 口学习 口模式类的紧致性 口相似和分类 口特征生成 图:训练样本的光泽度特征和宽度特征的散布图 模式识别的一些基本问题 模式识别的一些基本问题 口学习:确定分类决策方法的过程 口模式类的紧致性 ■有监督学习(supervised learning) 。分类器设计的难易程度与模式在特征空间的分布 o给出若干已知类别的训练样本(training 方式有密切关系: samples),由机器从这些样本中进行学习(训 口临界点、内点 练training/learning),从中勾画出各类事物在 特征空间分布的规律性,从而能够对新的样本进 区×× 行判断。 X ■非监督学习(unsupervised learning) ★ 口由机器从未知类别的样本中进行学习(自学 + 习),从中发现有利于对象分类的规律。 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 口相似和分类 ■在特征空间中,用特征向量描述样本的属性,用 ▣欧式距离 某种距离度量作为样本间相似性度量。 8xX,)=、 口相似性度量非负: m绝对值距离(absolute value distance) 口样本本身间的相似性度量应最大: c动9- 口相似性度量具对称性: ■向量夹角 口在满足紧致性的条件下,相似性度量应是点间距 5(Xx.X)-cos XIX XK 离的单调函数。 22 7 图:训练样本的光泽度特征和宽度特征的散布图 自动按品种分类传送带上的鱼类(鲈鱼和鲑鱼) 模式识别系统示例 8 模式识别的一些基本问题 学习 模式类的紧致性 相似和分类 特征生成 9 模式识别的一些基本问题 学习:确定分类决策方法的过程 有监督学习(supervised learning) 给出若干已知类别的训练样本(training samples),由机器从这些样本中进行学习(训 练 training/learning),从中勾画出各类事物在 特征空间分布的规律性,从而能够对新的样本进 行判断。 非监督学习(unsupervised learning) 由机器从未知类别的样本中进行学习(自学 习),从中发现有利于对象分类的规律。 10 模式识别的一些基本问题 模式类的紧致性 分类器设计的难易程度与模式在特征空间的分布 方式有密切关系; 临界点、内点 11 模式识别的一些基本问题 相似和分类 在特征空间中,用特征向量描述样本的属性,用 某种距离度量作为样本间相似性度量。 相似性度量非负; 样本本身间的相似性度量应最大; 相似性度量具对称性; 在满足紧致性的条件下,相似性度量应是点间距 离的单调函数。 12 相似和分类 欧式距离 绝对值距离(absolute value distance) 向量夹角 模式识别的一些基本问题