模式识别概论

目录

模式识别的定义

模式识别的主要方法

监督模式识别与非监督模式识别

一个简单的模式识别例子

模式识别的应用

模式识别与其他学科之间的联系与区别

---

模式识别的定义

1、使计算机模仿人的感知能力，从感知数据中提取信息（判别物体和行为）的过程；
2、对表征事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程；
3、可以看做一种函数映射f(x)，将待识别模式x从输入空间映射到输出空间；
4、根据已有的特征，通过参数或者非参数的方法给定模型中的参数，从而达到判别目的；

以上是从不同出处所知的不同定义，没有对错之分，选择一个自己觉得好记的就行

我们也可以对模式识别进行拆分理解：

模式：可看作是对象的组成成分或影响因素间存在的规律性关系，或者是因素间存在确定性或随机性规律的对象，过程或事件的集合。

识别：就是把对象分门别类地认出来。

模式识别：就是对模式的区分和认识，把对象根据其特征归到若干类别中适当的一类。

在学习模式识别算法前，我们需要学习一些前置知识：

样本：所研究对象的一个个体。比如，医院里的众多患者，每个患者都是一个样本；
单一样本：医生诊断的某一患者，就是样本空间中的一个单一样本；
样本值：某一患者的化验、检查结果与表征现象。
样本集：若干样本的集合。按照一定原则把一部分患者当做一个集合。
已知样本：指事先知道类别标号的样本。医生看过的病人，相关病情信息已经掌握好了。
未知样本：指类别标号未知但特征已知的样本。新来的病患的情况，还需要医生用专业知识来诊断其类别。

类或类别：在所有样本上定义的一个子集，处于同一类的样本在我们所关心的某种性质上是不可区分的，即具有相同的模式。比如，疾病分为不同类别，消化系统疾病、泌尿系统疾病等等。

特征：指用于表征样本的观测，通常是数值表示的某些量化特征，有时也被称作属性。患者某些具有显著特点的化验数据及表征，如血压值。特征的度量可以定量(具体数值)也可以定性（重、轻...)

所谓模式识别的问题,就是用计算的方法根据样本的特征将样本划分到一定的类别中去。
 

模式识别的主要方法

基于知识的方法

主要指以专家系统为代表的方法。基本思想是，根据人们已知的（从专家那里收集整理的）关于研究对象的知识，整理出若干描述特征与类别间关系的准则，建立一定的计算机推理系统，对未知样本通过这些知识推理决策其类别。
句法模式识别也可以看作是一种特殊的基于知识的模式识别方法。它的基本思想是，把对象分解描述成一系列基本单元，每一个基本单元表达成一定的符号，而构成对象的单元之间的关系描述成单元符号之间句法关系，利用形式语言、句法分析的原理来实现对样本的分类。 

基于数据的方法

在确定了描述样本所采用的特征后，这些方法并不是依靠人们对所研究的对象的认识来建立分类系统，而是收集一定数量的已知样本，用这些作为训练集(training set)来训练一定的模式识别机器，使之在训练后能够对未知样本进行分类。

G表示对象的特征选择的过程，x是特征向量，S是表示x与y关系的机制，存在但不知道内部机理。我们用一定数量的样本(x,y)来训练模型LM，建立x到y'的关系，y'=f(x)，f(x)称为分类器。

监督模式识别与非监督模式识别

一个简单的模式识别例子

问题：将鲈鱼Sea bass和鲑鱼Salmon进行分类，识别率达95%以上

模式识别的步骤：

1、信息获取：当一条新鱼进入分拣区域时（在皮带上），摄像机捕捉到图像。

2、预处理：

摄像机的调整：能将传送带上的鱼拍清楚，需要调整相机的拍照频率和传送带速度相平衡。
消除噪音和遮挡：可以手动去除鱼身上的海草再放上传送带;用去噪算法消除噪音是王道。
背景去除与分割：把图像中的鱼与背景分离，将鱼与鱼分离。

3、特征提取与选择

选择明显可以区分的特征组合（一个或多个），确定一个最小化分类错误的决策边界（阈值）

4、分类器设计（训练）与分类决策（识别)

选择一个合适的模型进行训练，比如线性分类模型等，考虑欠拟合和过拟合的问题。

需要注意的是：鲑鱼的市场价格高于鲈鱼，当前分类结果不是100%有效，为了不让买鱼客户吃亏，应该尽可能让出错的情况是鲑鱼分到鲈鱼那一堆中。

模式识别的应用

语音识别：

1、语音通过信号采集系统进入计算机，成为数字化的时间序列信号；

2、按帧处理，对孤立的音素进行识别。

3、每一帧语音经过一定的信号处理后被提取成一个特征向量。每一个音素是一类，音素识别就是把样本分到多类中的一类。对语音样本的识别是由分类器来实现的。

4、但要考虑到语音的连续性，用一个隐马尔可夫模型把相邻的因素联合起来考虑。在对音素识别的基础上还要对一定的语言模型进行后处理。

说话人识别、字符与文字识别、复杂图像中特定目标的识别、根据地震勘探数据对地下储层性质的识别、利用基因表达数据进行癌症分类等。

模式识别与其他学科之间的联系与区别

人工智能：给机器赋予人类的智能,让机器能够像人类那样独立思考。
机器学习：给定目标通过一定的数据来训练机器，让机器能学习到知识，来指导进一步的判断。
数据挖掘：交叉性强的学科，用机器学习算法及传统统计方法，从数据中挖掘到为我所用的知识,指导人们的活动。
计算机视觉：用计算机来模拟人的视觉机理获取和处理信息的能力。
模式识别：对模式的区分和认识，把对象根据其特征归到若干类别中活当的一类。