模式的总体称为模式类[5]。Р如果给每个类命名,并且用特定的符号来表达这个名字,那么模式识别可以看成是从具有时间和空间分布的信息向着符号所作的映射。Р特征形成:根据被识别的对象产生出一组基本特征,它可以是计算出来的(当识别对象是波形或数字图像时),也可以是用仪表或传感器测量出来的(当识别对象是实物或某种过程时),这样产生出来的特征叫做原始特征,有些书中用原始测量(或一次测量)这一名词,我们认为在很多情况下有些原始测量就可以作为原始特征,而有些情况则不然,例如识别对象是数字图像时,原始测量就是各点灰度值,但很少有人用各点灰度作为特征,需要经过计算产生一组原始特征[5]。Р特征提取:原始特征的数量肯能很大,或者说样本是处于一个高维空间中,通过映射(或变换)的方法可以用低维空间来表示样本,这个过程叫特征提取。映射后的特征叫二次特征,它们是原始特征的某种组合(通常是线性组合)。所谓特征提取在广义上就是指一种变换。若Y是测量空间,X是特征空间,则变换A:Y→X就叫做特征提取器。Р特征选择:从一组特征中挑选出一些最有效地特征以达到降低特征空间维数的目的,这个过程叫特征选择[5]。Р3.1.2 模式识别系统Р分类决策Р分类器设计Р特征提取和选择Р预处理Р信息获取Р有两种基本的模式识别方法,即统计模式识别方法和机构(句法)模式识别方法,与此相应的模式识别系统都由两个过程所组成,即设计和实现。设计是指用一定数量的样本(叫作训练集或学习集)进行分类器的设计。实现是指用所设计的分类器对待识别的样本进行分类决策。基于统计方法的模式识别系统主要由4个部分组成:数据获取,预处理,特征提取和选择,分类决策,如图3-1[5]所示。Р 训练过程Р图3-1 模式识别系统的基本构成Р1.数据获取Р为了使计算机能够对各种现象进行分类识别,要用计算机可以运算的符号来表示所研究的对象。通常输入对象的信息有下列3种类型
全文预览
