模式识别原理（Pattern Recognition）、概念、系统、特征选择和特征

§1.1 模式识别的基本概念

一、广义定义

1、模式：一个客观事物的描述，一个可用来仿效的完善的例子。

2、模式识别：按哲学的定义是一个“外部信息到达感觉器官，并被转换成有意义的感觉经验”的过程。

例：识别热水、字迹等

二、狭义的定义

1、模式：对某些感兴趣的客体的定量的或结构的描述。模式类是具有某些共同特性的模式的集合。

2、模式识别：研究一种自动技术，依靠这种技术，计算机将自动地（或人尽量少地干涉）把待别识模式分配到各自的模式类中去。注意： 狭义的“模式”概念——是对客体的描述，不论是待识别客体，还是已知的客体。 广义的“模式”概念——是指“用于效仿的完善例子

三、相关的计算机技术

1、目前的计算机建立在诺依曼体系基础之上。

1946年：美籍匈牙利数学家冯·诺依曼提出了关 于计算机组成和工作方式的基本设想：数字计算机 的数制采用二进制；计算机按照程序顺序执行，即 “程序存储”的概念。

1949年：研制出第一台冯·诺依曼式计算机 。

1956年：第一次人工智能(artificial intelligence) 研讨会在美国召开。

2、第五代人工智能型计算机

本质区别：主要功能将从信息处理上升为知识处理（学习、联想、推理、解释问题），使计算机具有人类的某些智能。研制工作从80年代开始，目前尚未形成一致结论 。

几种可能的发展方向： 神经网络计算机－－模拟人的大脑思维。 生物计算机－－运用生物工程技术、蛋白分子作芯片。 光计算机－－用光作为信息载体，通过对光的处理来完成对信息的处理。

四、研究和发展模式识别的目的

提高计算机的感知能力，从而大大开拓计算机的应用。

§1.2 模式识别系统一、

简例：建立感性认识

以癌细胞识别为例，了解机器识别的全过程。

1、信息输入与数据获取

将显微细胞图像转换成数字化细胞图像，像素的 值反映光密度的 大小，又称灰度 数字图像。数字 化细胞图像是计 算机分析的原始 数据基础。

2、数字化细胞图像的预处理与区域划分

预处理的目的：

（1）去除在数据获取时引入的噪声与干扰。

（2）去除所有夹杂在背景上的次要图像，突出主要的待识别的细胞图像。

例：平滑、图像增强等数字图像处理技术。

区域划分的目的：找出边界，划分出三个区域，为特征抽取做准备。

 

3、细胞特征的抽取、选择和提取

目的：为了建立各种特征的数学模型，以用于分类。① 抽取特征 ：原始采集数据，第一手资料，特征数据 量大。是特征选择和提取的依据。

例：对一个细胞抽取33个特征 ，建立一个33维的空间X，每个细胞可通过一个33维随机向量表示，即把一个物理实体“细胞”变成了一个数学模型“33 维随机向量”，也即33维空间中的一点。

② 特征选择：在原始特征基础上选择一些主要特征作为判别用的特征。 ③ 特征提取：采用某种变换技术，得出数目上比原来少的综合性特征作为分类用，称为特征维数压缩，习惯上亦称特征提取。

§1.3 模式识别概况

 

一、模试识别发展简介

二十世纪五十年代开始、六十年代兴起并迅速发 展，七十年代初奠定理论基础 。

二、模式识别分类

1、从理论上分类 ① 统计模式识别 以模式集在特征空间中分布的类概率密度函数为基础，对总体特征进行研究。包括判决函数法和聚类分析法。

② 结构模式识别（句法模式识别）

把复杂模式分化为较简单的子模式乃至基元，各 层次之间的关系 通过“结构法”来描述，相当于语言 中的语法。用小而简单的基元与语法规则来描述大而 复杂的模式。

③ 模糊模式识别

以隶属度为基础，运用模糊数学中的“关系”概念和运算进行分类。隶属度反映的是某一元素属于某集合的程度。

④ 智能模式识别

人工智能与模式识别相结合的产物，有二个分支： a) 与人工神经网络相结合：接近于生理性模拟，从而 达到对形象思维的模拟。 b) 基于知识的逻辑性推理：源于对人类逻辑思维的模 拟，是抽象思维的范畴。

2、从实现方法来分： ① 有监督（有导师）识别：利用判别函数进行分类判 别。需要有足够的先验知识。 ② 无监督（无导师）识别：用于没有先验知识的情况 下，采用聚类分析的方法。

§1.4 特征选择和特征提取

一、概述：两种数据测量情况

① 由于测量上可实现性的限制或经济上的考虑，所获得的测量值为数不多。 ② 能获得的性质测量值很多。如果全部直接作为分类特征，耗费机时，且分类效果不一定好。有人称之为“特征维数灾难”。

特征选择和提取的目的：经过选择或变换，组成识别特征，尽可能保留分类信息，在保证一定分类精度的前提下，减少特征维数，使分类器的工作即快又准确。

§1.5 模式识别的应用

一、高速公路上的汽车收费系统：按车型收费方式

1、提取车辆外形几何参数进行处理分析，实现分类。如视频检测方法、红外检测方法。

2、测量车辆的其他物理参数（噪声、振动、压重等）来实现分类。如动态称重、电磁感应等。

3、直接识别车辆身份的方法实现分类。如电子标签、视频牌照识别等。

二、生物识别

根据每个人独有的可以采样和测量的生物学特征（生理特征）和行为学特征进行身份识别的技术。

1 指纹识别：最早、最成熟的识别技术。

2 掌纹识别：研究纹线上某几个点的幅值（灰度值）、线长与线所对应的角之比等特征。

3 脸谱识别：

4 视网膜识别：

5 根据动力学特征进行识别：