課程目標緒論目標1：理解掌握模式識別的基礎知識目標3：編程實現模式識別的算法系統目標2：分析設計模式識別的解決方案第1章緒論主要內容1.1模式識別的基本概念1.2模式識別方法1.3模式識別系統1.4模式識別應用緒論1.1模式識別的基本概念（1）人類的模式識別能力時刻進行人們所做的每一件事情，首先都有一個識別的過程。復雜性緒論Pattern，任何可觀測且需要進行分類的對象（2）模式和模式類1.1模式識別的基本概念模式模式類模式所屬的類別或同一類中模式的總體從具體模式中抽象出來、表征事物特點或性狀的觀測，用于對模式的判斷和分析，也稱特征向量、樣本向量。（3）特征和樣本一個樣本樣本矩陣1.1模式識別的基本概念樣本特征觀測樣本的某個方面的變量，也稱作屬性特征空間例：測量花萼長、寬，花瓣長、寬，單位為厘米，構成4維列向量：如[53.51.30.3]T，特征空間為4維特征空間1.1模式識別的基本概念集合向量

1.1模式識別的基本概念

（3）模式識別作用和目的1.1模式識別的基本概念面對某一具體信息（樣本、模式），將其正確的歸入某一類。核心技術尋找一個合適的分類器，即分類的準則。1.1模式識別的基本概念例1-2：小米和綠豆混合在一起，如何把二者分開？

學習（4）學習和分類1.1模式識別的基本概念也稱為訓練，對大量的樣本進行分析，從中找出相應的規律或者說事物的共同特征分類也稱決策，根據從學習中得到的規律，面對某一個具體的樣本，將其歸入正確的類別。有監督學習（5）有監督、無監督和半監督學習無監督學習1.1模式識別的基本概念已知要劃分的類別，能獲得一定數量的類別已知的訓練樣本（稱為標記樣本），進行學習找出規律，進而建立分類器，對未標記樣本進行分類決策。事先不知道要劃分的是什么類別，沒有標記樣本用來訓練，通過考查未標記樣本之間的相似性進行區分。半監督學習同時利用標記和未標記樣本，以提高分類性能。1.1模式識別的基本概念（6）識別的可推廣性在有限樣本基礎上建立認知（經驗），去認識未知事物，識別結果只能以一定的概率表達事物的真實類別。依據有限樣本全部正確劃分為準則建立決策規則，考慮為未來數據分析時的成功率，即推廣性問題（也稱泛化）。固有問題。方法1.2模式識別方法（1）模板匹配為每個類建立一個或多個模板，將待識別樣本與每個類別的模板進行比對，根據和模板的相似程度將樣本劃分到相應的類別。簡單，在特征穩定、類間區別明顯時效果好缺點是需要搜索最優匹配，計算量大，依賴模板，適應性較差。特點算法成熟，應用廣泛，理論較復雜1.2模式識別方法（2）統計模式識別經典的基于數據的識別方法；通過判別函數將特征空間劃分為幾個區域，不同區域的樣本歸為相應的類別；設計判別函數的思路多樣，對應不同的方法。方法特點可用于識別包含豐富結構信息的、極為復雜的對象基元的選擇對識別結果有極大的影響1.2模式識別方法（3）句法模式識別方法特點用一組基元和它們的組合關系描述模式，稱為模式描述語句根據模式的結構將其組合成語句，按句法分析進行識別，符合指定的語法即被歸入該類適合特征值不精確的分類問題缺點是模糊規則的建立具有較大的主觀性1.2模式識別方法（4）模糊模式識別方法特點將模糊的概念和其他模式識別方法相結合，判斷樣本對于模式類的隸屬程度，實現分類結果模糊化擅長解決非線性分類問題，學習速度慢，參數選擇困難，分類規則不透明、非解析（5）人工神經網絡模式識別1.2模式識別方法方法特點人工神經網絡，由多層神經元相互連接構成，根據輸入信息和輸出結果配對的數據進行學習，訓練神經元間的連接權重，得到輸入和輸出的關系，用以對未知類別的樣本進行識別。數據采集預處理特征提取和選擇分類決策輸出結果學習識別分類器設計數據采集預處理特征提取和選擇評估（1）監督模式識別數據采集1.3模式識別系統用計算機可以運算的符號來表示物體（1）監督模式識別預處理1.3模式識別系統屬于信號處理范圍，所采用的處理方法要根據后續提取特征的需要進行，技術與具體問題有關。數據采集預處理特征提取和選擇分類決策輸出結果學習識別分類器設計數據采集預處理特征提取和選擇評估（1）監督模式識別特征提取和選擇1.3模式識別系統為有效識別，需從中提取最有代表性的，最反映分類本質的特征來進行識別。關鍵技術為數據降維。數據采集預處理特征提取和選擇分類決策輸出結果學習識別分類器設計數據采集預處理特征提取和選擇評估（1）監督模式識別分類器的設計1.3模式識別系統確定合適的判別規則數據采集預處理特征提取和選擇分類決策輸出結果學習識別分類器設計數據采集預處理特征提取和選擇評估（1）監督模式識別評估1.3模式識別系統對設計的分類器性能進行評估，根據評估的結果，調整設計方案，以保證分類效果數據采集預處理特征提取和選擇分類決策輸出結果學習識別分類器設計數據采集預處理特征提取和選擇評估（1）監督模式識別分類決策1.3模式識別系統根據已經確定的判別規則，判斷數據類別數據采集預處理特征提取和選擇分類決策輸出結果學習識別分類器設計數據采集預處理特征提取和選擇評估（2）無監督模式識別1.3模式識別系統取“物以類聚”的思路，無監督模式識別，根據類間的相似性或分布特性，對樣本進行聚集。輸出結果聚類（自學習）數據采集預處理特征提取和選擇評估（3）半監督模式識別1.3模式識別系統數據采集預處理特征提取和選擇分類決策輸出結果分類器設計數據采集預處理特征提取和選擇評估對新的未標記數據進行分類決策（3）半監督模式識別1.3模式識別系統輸出結果聚類（自學習）數據采集預處理特征提取和選擇評估僅對已有未標記數據進行分類決策車牌識別系統獲取汽車圖像圖像處理：色彩變換、邊緣檢測、車牌定位、字符分割等特征提取：字符位置、外部輪廓等分類決策：模板匹配、神經網絡等（4）實例1.3模式識別系統（1）根據信源的不同語音識別1.4模式識別應用圖像識別1.4模式識別應用其他數據識別1.4模式識別應用電子商務網站的推薦系統，極大促進了商品的購買率各種監測系統的異常數據、情況篩選預警，提高了生產、醫療的智能化程度