模式识别绪论

《模式识别》(第二版) 边肇祺 清华大学出版社

模式识别和模式的概念

我们把通过对具体 的个别事物进行观测所得到的具有时间和空间分布的信息 称为模式, 而把模式所属的类别或同一类中模式的总体称为模式类( 或简称为类)
也有人习惯于把模式类称为模式, 而把个别具体的模式称为样本

模式识别系统

两种基本方法：
1.统计模式识别
数据获取, 预处理, 特征提取和选择, 分类决策
2.结构模式识别
两个过程
1.设计
一定数量的样本进行分类器的设计
2,实现
分类器对待识别的样本进行分类

数据获取

通过测量、采样和量化, 可以用矩阵或向量表示二维图像或一维波形

预处理

预处理的目的是去除噪声, 加强有用的信息。

特征提取

原始数据组成的空间叫测量空间, 把分类识别赖以进行的空间叫特征空间。空间转换降低维度

分类决策

统计方法把被识别对象归为某一类别

模式识别的基本问题

模式类的紧致性

只要各个模式类是可分的, 总存在这样一个空间, 使变换到这个空间中的集合是满足紧致性要求的

紧致性

1.临界点的数量与总的点数相比很少。
2.集合中任意两个内点可以用光滑线连接, 在该连线上的点也属于这个集合。
3.每个内点都有一个足够大的邻域, 在该邻域中只包含同一集合中的点。
我觉得大致的意思就是：你家邻居和你都是一路人

相似与分类

通常我们设计模式识别系统时, 分类标准是人为地从系统外给定的
如果把一个子集当成一个模式类, 则满足等价关系的各类间有明确的界限, 或者说是可区分的。遗憾的是相似关系不具有传递性。例如, 父亲与儿子相似, 儿子与母亲相似, 但父亲与母亲未必相似。

相似度

1.D维欧氏距离
2.向量夹角

特征生成

1.需要充分的*低层次特征*。如果低层次特征足够丰富, 通过选择和简单的运算就可以得到高一层的新特征.
2.中层特征的学习(常识系统)：更应重视通用性
3.通过行为的成败从中选择关键特征