模式識(shí)別概論經(jīng)典資料-資料下載頁
2025-03-04 14:22本頁面
【正文】 ? 將整個(gè)場(chǎng)景圖像結(jié)構(gòu)分解成一些比較簡(jiǎn)單的子圖像的組合； ? 子圖像又用一些更為簡(jiǎn)單的基本圖像單元來表示，直至子圖像達(dá)到了我們認(rèn)為的最簡(jiǎn)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(jí)樹結(jié)構(gòu)對(duì)其進(jìn)行描述（這種描述可以采用形式語言理論）。 實(shí)例：句法模式識(shí)別（續(xù)） ? 多級(jí)樹描述結(jié)構(gòu) 實(shí)例：句法模式識(shí)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(shí)別出基元（比如場(chǎng)景圖中的 X、 Y、 Z等簡(jiǎn)單平面）和它們之間的連接關(guān)系（例如長(zhǎng)方體 E是由 X、 Y和 Z三個(gè)面拼接而成），并用字母符號(hào)代表之； – 然后用構(gòu)造句子的文法來描述生成這幅場(chǎng)景的過程，由此推斷出生成該場(chǎng)景的一種文法。 實(shí)例：句法模式識(shí)別（續(xù)） ? 識(shí)別過程： – 先對(duì)未知結(jié)構(gòu)信息的圖像進(jìn)行基元提取及其相互結(jié)構(gòu)關(guān)系的識(shí)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(shí)別成功），否則就不是這種結(jié)構(gòu)（識(shí)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(jì)識(shí)別 ?第五章 句法模式識(shí)別 ?第六章 神經(jīng)網(wǎng)絡(luò) ?第七章 模式識(shí)別應(yīng)用 相關(guān)數(shù)學(xué)概念 ? 隨機(jī)向量及其分布 – 隨機(jī)向量 ? 如果一個(gè)對(duì)象的特征觀察值為 {x1, x2, …, x n}，它可構(gòu)成一個(gè) 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(gè)分量。 ? 一個(gè)特征可以看作 n維空間中的向量或點(diǎn)，此空間稱為模式的特征空間 Rn 。 相關(guān)數(shù)學(xué)概念 ? 隨機(jī)向量及其分布 – 隨機(jī)向量 ? 在模式識(shí)別過程中，要對(duì)許多具體對(duì)象進(jìn)行測(cè)量，以獲得許多次觀測(cè)值。 ? 每次觀測(cè)值不一定相同，所以對(duì)許多對(duì)象而言，各個(gè)特征分量都是隨即變量，即許多對(duì)象的特征向量在 n維空間中呈隨機(jī)性分布，稱為隨即向量。 相關(guān)數(shù)學(xué)概念 ? 隨機(jī)向量及其分布 – 隨機(jī)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(shí)別的概念 ? 模式識(shí)別的發(fā)展簡(jiǎn)史和應(yīng)用 ? 模式識(shí)別的主要方法 ? 模式識(shí)別的系統(tǒng)和實(shí)例 ? 幾個(gè)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(hào)-1