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