人工神经网络——笔记摘抄2

一、模式识别系统的主要目标

模式识别系统的主要目标是在特征空间和解释空间之间找个一种映射关系。

二、模式识别系统的构成

①数据获取：将对象属性转换为计算机可以接受的数值或者符号串集合。数值或者符号串组成的空间称为模式空间。

②预处理：为了去噪，排除不相干信号，留下对象性质和与识别方法密切相关的特征。

③特征提取和选择：从多个特征中选择有用特征，可进行降维。一般来说，特征种类越多，效果越好，但是可能出现维数灾难，即特征维数过高，计算机难以求解。

④分类决策：在特征空间用模式识别的方法吧识别对象归类。

⑤分类器设计：利用训练集确定判别函数，改进判别函数和误差检验。

三、模式识别基本方法

模式识别就是对多维空间中各种模式的分布特点进行分析，对模式空间进行划分，识别各种模式的聚类情况，从而做出判断或决策。

①统计模式识别：

   适用于给定的有限数量样本集，基本思想是将特征提取阶段得到的特征向量定义在一个特征空间中，这个空间包含所有的特征矢量。用数值来描述特征

   (a).聚类分析

   两种方式：第一种试探方式，按最近邻规则指定某些模式样本属于某一聚类类别，典型的就是最近邻规则和最大最小聚类算法；第二种是聚类准则函数法，定义准则函数，其函数值与样品的划分有关，取极小值则认为正确划分。

    (b)判别类域界面法

     用训练集学习或者训练得到判别函数。典型的是线性判别函数，利用超平面对特征空间进行分割。权向量决定超平面方向，阈值权决定位置。

     (c)统计判决

      按概率统计理论导出各种判决准则。用到概率密度函数，先验概率和条件概率，即贝叶斯法则。

②句法结构模式识别

    用符号描述特征，采用分层描述法，基本思想是把模式识别描述为简单子模式的组合，得到一个树形结构的描述，底层最简单的子模式称为模式基元，计院的选择相当于决策理论方法中的特征选择问题。基元本身不能含有重要的结构信息。模式以一组基元和它们的线性组合来描述，称为模式描述语句。基元组合成模式的规则，由所谓语法来指定。

   句法结构模式识别又称为结构方法或语言学方法，主要用于文字识别、遥感图形的识别与分析，纹理图像的分析等。

四、模式识别方法的选取

     方法的选取取决于问题的本质，被识别对象复杂，包含丰富结构信息，一般采用句法方法，反之采用决策理论方法。

    统计模式识别能考虑干扰、噪声的影响，识别模式基元能力强，但是对结构复杂的模式抽取特征困难，不能反映模式的结构特征，对模式本身的结构关系很少利用，难以从整体角度考虑识别问题。

     句法结构模式识别能反映模式的结构特性，可用简单的基元开始，由简至繁。但未考虑模式所受到的环境、噪声的干扰等不稳定因素影响。当存在噪声时，抽取基元困难，且易事物。

     应用中常结构两种方法，分别施加在不同层次，提出了随机文法，属性文法等一些研究方向。