模式識別-概念、原理及其應(yīng)用-資料下載頁
2024-10-17 16:42本頁面
【導(dǎo)讀】計算機應(yīng)用技術(shù)專業(yè)碩士研究生的專業(yè)。著重講述模式識別的基本概念，基本方。注重理論與實踐緊密結(jié)合。避免引用過多的、繁瑣的數(shù)學(xué)推導(dǎo)。有效地運用所學(xué)知識和方法解決實際問。為研究新的模式識別的理論和方法打下。為將來的工作打好基礎(chǔ)，終身受益。邊肇祺，模式識別（第二版），清華大。蔡元龍，模式識別，西北電訊工程學(xué)院。1973年IEEE發(fā)起了第一次關(guān)于模式識別的國際。1977年IEEE成立PAMI委員會，創(chuàng)立IEEETrans.模式識別–直觀，無所不在，“人以類。人和動物的模式識別能力是極其平常的，提出句法結(jié)構(gòu)模式識別。模式識別系統(tǒng)的目標：在特征空間和解。其中為所屬類別的集合，稱為解釋空間。各特征向量之間的距離及分散情況；基于概率統(tǒng)計模型得到各類別的特征向。該方法通過考慮識別對象的各部分之間的聯(lián)。相互間的聯(lián)系可以在不同的神經(jīng)元之
【正文】 實例：句法模式識別（續(xù)） ? 將整個場景圖像結(jié)構(gòu)分解成一些比較簡單的子圖像的組合； ? 子圖像又用一些更為簡單的基本圖像單元來表示，直至子圖像達到了我們認為的最簡單的圖像單元（基元）； ? 所有這些基元按一定的結(jié)構(gòu)關(guān)系來表示，利用多級樹結(jié)構(gòu)對其進行描述（這種描述可以采用形式語言理論）。 實例：句法模式識別（續(xù)） ? 多級樹描述結(jié)構(gòu) 實例：句法模式識別（續(xù)） ? 訓(xùn)練過程： – 用已知結(jié)構(gòu)信息的圖像作為訓(xùn)練樣本，先識別出基元（比如場景圖中的 X、 Y、 Z等簡單平面）和它們之間的連接關(guān)系（例如長方體 E是由 X、 Y和 Z三個面拼接而成），并用字母符號代表之； – 然后用構(gòu)造句子的文法來描述生成這幅場景的過程，由此推斷出生成該場景的一種文法。 實例：句法模式識別（續(xù)） ? 識別過程： – 先對未知結(jié)構(gòu)信息的圖像進行基元提取及其相互結(jié)構(gòu)關(guān)系的識別； – 然后用訓(xùn)練過程獲得的文法做句法分析； – 如果能被已知結(jié)構(gòu)信息的文法分析出來，則該幅未知圖像與訓(xùn)練樣本具有相同的結(jié)構(gòu)（識別成功），否則就不是這種結(jié)構(gòu)（識別失?。?。 本門課程的主要內(nèi)容 ?第一章 概論 ?第二章 聚類分析 ?第三章 判別函數(shù) ?第四章 統(tǒng)計識別 ?第五章 特征選擇和提取 ?第六章 句法模式識別 ?第七章 神經(jīng)網(wǎng)絡(luò) 相關(guān)數(shù)學(xué)概念 ? 隨機向量及其分布 – 隨機向量 ? 如果一個對象的特征觀察值為 {x1, x2, …, x n}，它可構(gòu)成一個 n維的特征向量值 x，即 x = (x1, x2, …, x n)T 式中， x1, x2, …, x n為特征向量 x的各個分量。 ? 一個特征可以看作 n維空間中的向量或點，此空間稱為模式的特征空間 Rn 。 相關(guān)數(shù)學(xué)概念 ? 隨機向量及其分布 – 隨機向量 ? 在模式識別過程中，要對許多具體對象進行測量，以獲得許多次觀測值。 ? 每次觀測值不一定相同，所以對許多對象而言，各個特征分量都是隨即變量，即許多對象的特征向量在 n維空間中呈隨機性分布，稱為隨即向量。 相關(guān)數(shù)學(xué)概念 ? 隨機向量及其分布 – 隨機向量的參數(shù) ? [數(shù)學(xué)期望 ] ? [協(xié)方差矩陣 ] 相關(guān)數(shù)學(xué)概念 ? 正態(tài)分布 – [一維正態(tài)密度函數(shù) ] 相關(guān)數(shù)學(xué)概念 ? 正態(tài)分布 – [多維正態(tài)密度函數(shù) ] 小結(jié) ? 模式和模式識別的概念 ? 模式識別的發(fā)展簡史和應(yīng)用 ? 模式識別的主要方法 ? 模式識別的系統(tǒng)和實例 ? 幾個相關(guān)的數(shù)學(xué)概念
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1