模式识别课程学习笔记(一)
2018-04-03 22:36
351 查看
一、模式与模式识别
1、模式的含义:
本意:提供模仿用的、完美的标本。PR领域定义:存在于空间和时间中可观测事物的全体。
个人理解:可以通过各种手段获取与采集到的事物。
模式类:由彼此相似的模式构成的集合。(物以类聚,人以群分)
模式类别:赋予每个模式类的标识符。(个人理解就是所属模式类的标签)
观测样本:被观测事物的分布信息。
试验:为获取观测样本而进行的观测。
2、识别的含义:
侧重于对人的认知行为进行模仿,把人的知识和经验转化为可以为机器所利用的一些规则和方法,赋予机器对被观测事物进行综合分析和自动分类的能力,使机器可以根据被观测事物过往的观测样本形成相应的分类规则并据此完成对新的观测样本进行分类的任务。(赋予机器以人一般的知识经验,让其拥有分析和分类的能力)
二、模式的分类
空间模式时间模式
时空模式
确定性模式
随机模式
三、模式识别系统的基本构成:
(注:图片来自中科大汪增福老师的PPT)
模式采集环节通过传感器等将被测对象的具体表象转换成对应的时空分布信息。
预处理部分滤除模式采集中的干扰和噪声。包括数字滤波、坐标变换、图像增强、图像恢复。
特征选择是模式识别系统性能优劣的关键步骤之一。
训练和分类过程是根据输入模式的特征判断其类别。
其中提到一个重要概念就是特征,特征可以是度量特征,包括长度、灰度等;也可以是属性特征,包括性别、文化程度等;也可以是基元特征,包括边缘、纹理、轮廓、区域等。
有了特征总得表达出来,这里介绍几种特征表达的方法:
特征向量方法:将待处理对象的特征利用特征向量将其表现,构造出特征空间进行特征表达。
结构方法:从基元之间的连接关系出发表达输入模式。(可以采用树或者图来表示)
当采用特征向量方法是,分类问题就变成了特征空间的分隔问题,具体过程:
a.观测待识别对象,获取观测样本;
b.利用特征抽取将观测样本映射到特征空间;(观测样本---->特征空间)
c.根据观测样本的特征空间分布情况对特征空间实施分隔,同一类一个区域得分隔成若干份;
相关文章推荐
- Andrew Ng机器学习课程笔记--week11(图像识别&总结划重点)
- 模式识别学习笔记之二:模式识别的重要环节——学习
- 模式识别 学习笔记:第四章 线性分类器 (持续更新中。。。)
- 模式识别学习笔记之三:模式识别已经简单了解,接下来必须要做的事!
- 模式识别——聚类分析 学习笔记
- 模式识别 学习笔记:第六章 其他分类方法 (持续更新中。。。)
- 模式识别学习笔记(5)——最大似然和贝叶斯参数估计
- 模式识别 学习笔记:第三章 概率密度函数的估计
- 模式识别学习笔记[1]——基于试探的聚类搜索算法
- 模式识别(Pattern Recognition)学习笔记(二十五)--最近邻法
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-4)-- 特殊应用:人脸识别和神经风格迁移
- 模式识别学习笔记[2]——聚类分析之系统聚类法,k-均值算法
- 模式识别 学习笔记:第八章 特征提取
- 模式识别 学习笔记:第七章 特征选择
- 模式识别(Pattern Recognition)学习笔记(十九)--多层感知器模型(MLP)
- 模式识别学习笔记
- 斯坦福CS231n(视觉识别卷积神经网络)课程学习笔记
- 模式识别 学习笔记:第九章 非监督模式识别
- 吴恩达Coursera深度学习课程 DeepLearning.ai 提炼笔记(4-4)-- 特殊应用:人脸识别和神经风格迁移
- 模式识别学习笔记(十六)--非线性分类器