[高等教育]物體識別過程-資料下載頁
2025-08-21 16:48本頁面
【正文】 也可以用軟件在計算機上實現(xiàn)）、人工智能分類器（基于邏輯推理或?qū)＜蚁到y(tǒng)結(jié)構(gòu)）。符號型分類器包括句法分類器（基于句法分析和自動機理論）、人工智能分類器（基于邏輯推理或?qū)＜蚁到y(tǒng)結(jié)構(gòu)）。 其中符號型分類器具有更大的靈活性，所以能處理較為復(fù)雜的模式分類問題。但是目前對符號型分類器的研究遠沒有數(shù)值型分類器成熟。所有模式識別系統(tǒng)都需要經(jīng)過訓(xùn)練、驗證、改進，并反復(fù)多次，以完成最終設(shè)計。 訓(xùn)練 訓(xùn)練時分類器參數(shù)必需確定。為達到客觀、公正目的，樣本的制備是關(guān)鍵。 至少要滿足下列條件：具有充分的代表性和完備性；獨立于系統(tǒng)設(shè)計，測試樣本要與訓(xùn)練樣本相互獨立；標準化的設(shè)計，標準化的使用規(guī)范；權(quán)威性。常見困難是消耗大量時間、金錢和人力。在圖像模式識別的處理過程中，一般主要分為預(yù)處理，特征或基元提取，分類訓(xùn)練，分類這幾個步驟。(1)預(yù)處理它主要完成模式的采集、模數(shù)轉(zhuǎn)換、濾波、消除模糊、減少噪聲、糾正幾何失真等預(yù)處理操作。因此也要求相應(yīng)的設(shè)備來實現(xiàn)。(2)特征或基元提取 特征提取實現(xiàn)由模式空間向特征空間的轉(zhuǎn)換，有效地壓縮維數(shù)。一般地說，它該是在一定分類準則下的最佳或次最佳變換器。模式識別中，分類器的分類規(guī)則固然重要，但是，如果所基于的模式特征沒有包含足夠的待識客體的信息或未能提取反映客體特征的信息，那么，識別的結(jié)果將面目全非。所以說，在設(shè)計分類器之前，能夠快速、有效地進行特征提取是模式識別的關(guān)鍵。不幸的是，直到目前為止還沒有形成特征提取的一般理論，隨著識別任務(wù)的不同，特征提取的方法也不一樣。此外，如果待識別的模式樣本本身攜帶反映不同模式本質(zhì)特性的特征，則特征提取也不一定需要。 (3)分類訓(xùn)練 為了能使分類器有效地進行分類判決，還必須對分類器進行訓(xùn)練（學(xué)習(xí)）。分類器的訓(xùn)練學(xué)習(xí)是模式識別的一個重要概念。由于我們研究機器的自動識別，對分類器進行訓(xùn)練，使它學(xué)會識別，具有自動識別的能力，尤為重要。眾所周知，一個孩子認字尚需一個反復(fù)學(xué)習(xí)過程，何況一部機器要掌握某種判決規(guī)則，學(xué)習(xí)過程更必不可少。當然，對于不同的分類方法，其學(xué)習(xí)規(guī)則也不一樣。 (4)分類 在完成訓(xùn)練的基礎(chǔ)上，分類器根據(jù)已經(jīng)確定的判決規(guī)則，對未知類別屬性的樣本執(zhí)行判決過程，就是說，分類器具有了自動識別的能力。這是模式識別“出成果”的階段，直接以其分類結(jié)果表明本次識別的結(jié)束。顯然，這是舉足輕重的階段，弄得不好，會使前幾階段的工作付諸東流。
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1