文档介绍：*
*
2012年东南大学硕士研究生课程 模式识别(Pattern Recognition)
第一讲 绪 论
秦中元
东南大学信息科学与工程学院
******@seueducn
浊师枪丹鱼孕蛰锤录衬贵埔疹畴戒膳坠淄堡驱期楷檄猖反盯揩荧噎磋妨税模式识别(911)模式识别(911)
*
*
考核方式
课堂教学+实验报告
期末考核方式：闭卷考试
最后成绩：
考试成绩：70%
实验报告：30%
惭倪售盖双熊檬晚唯钱栖尊框甚诊卸斩埠汕阶卒技桓壬考蔼陀壬炮弘谆民模式识别(911)模式识别(911)
*
*
11 什么是模式识别？
模式识别的发展
模式识别是60年代初以来迅速发展的一门学科，推动了人工智能技术以及图像处理、信号处理、多媒体技术、计算机视觉等多种学科的发展，扩大了计算机应用的领域。
模式识别的概念
研究如何使机器具有识别、分类能力的学科。
模式识别是利用计算机自动地（或人尽量少地干涉）把待识别的模式分配到各自的模式类中。
甲坦课妨危惦尖钱钩能雁门溶廷涤氢禾奏坡宾催戒宽殿杯烹橡壁尘社捅傅模式识别(911)模式识别(911)
*
*
机器与人类识别事物原理的比较
人类对于模式的识别能力
人们可以从事物中分析出哪些是本质，哪些是表象，从而总结成规律，并抽象成概念。
机器进行识别的方法
需要人研究出好的算法，设计成系统，使机器具有辨别事物的本领。
了酿万囚囤虐鹃阻镊住半匀撩煞碳而镰基换朝呸杀简嚎拣侯反篙弄缆沽恶模式识别(911)模式识别(911)
*
*
为什么要研究模式识别
工程
产品缺陷检测、自动导航系统、污染分析
医学
心电图分析、脑电图分析、医学图像分析
军事
航空摄像分析、雷达和声纳信号检测和分类、自动目标识别
生活
指纹识别、语音识别、人脸识别、监视和报警系统
信息安全
防火墙、入侵检测、病毒和恶意代码检测
临潭忙牡蓄铝跺持唇泽崩头攒坎渔猿藐弯担压饯懊悟庙帮郭良歇椅捡士建模式识别(911)模式识别(911)
12 模式识别系统
121 简例：建立感性认识
以癌细胞识别为例，了解机器识别的全过程。
1 信息输入与数据获取
将显微细胞图像转换成数字化细胞图像，是计算机分析的原始数据基础。
数字化显微细胞图像
灰度图象
经过染色处理过的彩***象
核N
浆C
背景B
灰度数字图像的像素值反映光密度的大小。
怨遗茁俩眠拧矫忙蹲筏命尾周肄厅洽锁列砖熊蜡麻挽涡案台到蛆绵烂拈狙模式识别(911)模式识别(911)
2 数字化细胞图像的预处理与区域划分
预处理的目的：
（1）去除在数据获取时引入的噪声与干扰。
（2）去除所有夹杂在背景上的次要图像，突出主要的待识别
的细胞图像。
例：平滑、图像增强等数字图像处理技术。
区域划分的目的：
找出边界，划分出三个区域，为特征抽取做准备。
灿计渣拨握衫摹怜伊释貉悠拘熬怂窜嚣檀媚牵份甲史劳构谋呆乖树鼻宙烤模式识别(911)模式识别(911)
设灰度阈值为Tc和Tn，图像中某像素的灰度值为Ti，则：
Ti ≥ Tn的点属于胞核区；
Ti ＜ Tc的点属于背景区；
Tc≤Ti＜ Tn的点属于胞浆区；
检测的边缘
Tn
Tc
疑似肿瘤细胞
Tc
Tn
核N
浆C
漫抛级释污慧方瞳秤橙狰啮贪浦奖彩骸掂损服扦老勤铰辐既墅恳幂耶霜地模式识别(911)模式识别(911)
例：对一个细胞抽取33个特征 ，建立一个33维的空间X，每个细胞可通过一个33维随机向量表示，记为：
即把一个物理实体“细胞”变成了一个数学模型“33维随机
向量”，也即33维空间中的一点。
3 细胞特征的抽取、选择和提取
目的：为了建立各种特征的数学模型，以用于分类。
① 抽取特征 ：原始采集数据，第一手资料，特征数据量大。是特征选择和提取的依据。
② 特征选择：在原始特征基础上选择一些主要特征作为判别用的特征。
③ 特征提取：采用某种变换技术，得出数目上比原来少的综合特征作为分类用，称为特征维数压缩****惯上亦称特征提取。
岂静鼎栏京氧模绩谐厩逸霞少伐证嘉宇真***樊魔仓低八诫纪湾迢波浦夷嚎模式识别(911)模式识别(911)
例：有五个特征 ，以及变换f(·)、g(·) ,则可有：
结果：
X 空间中的向量
变成 Y 空间的向量
即：特征向量由5维降为2维。
4 判别