毛片网站在线观看-毛片网站在线-毛片网站有哪些-毛片网站视频-女生脱衣服app-女色综合

　　1 模式識(shí)別

　　所謂的模式識(shí)別是指自動(dòng)模式識(shí)別或計(jì)算機(jī)模式識(shí)別。在模式識(shí)別問(wèn)題中，人們必須首先通過(guò)測(cè)量來(lái)獲得數(shù)據(jù)。例如，為了應(yīng)用模式識(shí)別方法識(shí)別特體表面的特征，必須先測(cè)量物體表面上多點(diǎn)的反射光。為了模式識(shí)別問(wèn)題獲得數(shù)據(jù)，不但可能通過(guò)物理測(cè)量的方式，還可有其它的方式，如經(jīng)濟(jì)數(shù)據(jù)。從廣義上講，測(cè)量是把現(xiàn)實(shí)世界的情況映射到參數(shù)域，依據(jù)這種定義，上述后一種方式獲得數(shù)據(jù)也是通過(guò)測(cè)量獲得的，因此可以說(shuō)模式識(shí)別是從某種測(cè)量開(kāi)始的，而測(cè)量一般來(lái)說(shuō)又是以傳感器開(kāi)始的。圖1是模式識(shí)別的模型。在模式識(shí)別中，有時(shí)可用常規(guī)或通用的傳感器，例如，語(yǔ)音識(shí)別中測(cè)量聲壓的麥克風(fēng)或反射光測(cè)量中用的光傳感器等。然而，在很多情況下，必須改進(jìn)現(xiàn)有傳感器或開(kāi)發(fā)新的傳感器才能產(chǎn)生適當(dāng)?shù)哪Ｊ阶R(shí)別信號(hào)，從這種意義上講，模式識(shí)別刺激了傳感器的開(kāi)發(fā)并因此推動(dòng)了儀器測(cè)量的發(fā)展。

　　測(cè)量的目的可以是確定某個(gè)變量的數(shù)值以驗(yàn)證某個(gè)物理假設(shè)，如石油綜合測(cè)井中的油氣顯示。測(cè)量數(shù)據(jù)還可被處理并與其它數(shù)據(jù)結(jié)合和比較，以便獲得一個(gè)特定的結(jié)論。這種結(jié)論也可以是簡(jiǎn)單的二元決策（是或否），如工業(yè)的質(zhì)量控制或醫(yī)學(xué)檢查。這種結(jié)論可以劃分成很多類，這種多類決策有很多，如醫(yī)學(xué)診斷（哪種病？）、粒子物理（產(chǎn)生這種軌跡的粒子是哪種？）或石油測(cè)井（哪個(gè)深度有石油生成？）等。在這些例子中，測(cè)量的目的不僅是獲得變量的具體數(shù)值，而是生成對(duì)變量有意義的解釋。在較為復(fù)雜的情況下，需要使用模式識(shí)別的方法才能使測(cè)量獲得這種解釋，因此，模式識(shí)別是測(cè)量中的關(guān)鍵步驟之一。模式識(shí)別與儀器測(cè)量關(guān)系密切，模式識(shí)別依靠測(cè)量又是測(cè)量過(guò)程中的一部分。在模式識(shí)別中，除了分類外，還可給出數(shù)值估計(jì)或者把類的成員的數(shù)值或概率加到分類結(jié)果中，這更說(shuō)明模式識(shí)別與儀器測(cè)量是緊密相關(guān)的。儀器測(cè)量和模式識(shí)別通常看成是兩上不販研究領(lǐng)域，每個(gè)領(lǐng)域都有自己的方法、傳統(tǒng)、雜志和學(xué)術(shù)會(huì)議，然而在很多情況下，跨領(lǐng)域的方法會(huì)很有用，應(yīng)加以鼓勵(lì)，如某種模式識(shí)別算法需要與之匹配的測(cè)量（如合適的傳感器等），這時(shí)就需要這兩個(gè)領(lǐng)域的專家的密切配合才能獲得成功。

　　2 模式識(shí)別中模式的可變性

　　通過(guò)對(duì)模式識(shí)別的問(wèn)題的分析，可以把包含一至多個(gè)模式的復(fù)雜的輸入數(shù)據(jù)通過(guò)系統(tǒng)的處理在系統(tǒng)的輸出端映射成相應(yīng)模式的類，因此輸出結(jié)果相當(dāng)簡(jiǎn)單。某特定模式也未必只映射成一類，可用模糊方法映射成多個(gè)類，每個(gè)類有自己特定的數(shù)值或概率。另外，一個(gè)類可以代表多個(gè)完全不同的輸入情況，這是多對(duì)一的映射，可以舉個(gè)明顯的例子，字母A的書(shū)寫(xiě)方法是各種各樣的，但都屬于同一類，即字母“A”。屬于同一類的各個(gè)模式的可變性的起源和內(nèi)容是不相同的，存在于“文化”模式（如文字、汽車、房屋等）中的可變性與人類的習(xí)慣有關(guān)。“自然”模式是與生物有關(guān)的實(shí)體（如染色體、血細(xì)胞、心電圖等），它們的可變性由自然界決定的。不管是自然模式還是文化模式，實(shí)驗(yàn)環(huán)境和方法及傳感器的不同特性又為它們產(chǎn)生更多的可能性。人們希望測(cè)量是使這種附加的可變性盡可能小。

　　 應(yīng)注意到，類的定義通常由人的意愿或傳統(tǒng)所左右，這就影響了哪些不同類型的輸入應(yīng)該結(jié)合在一起形成一個(gè)特定的類。類的定義還與具體的分類目標(biāo)有關(guān)，例如，人們可能對(duì)一個(gè)景象中的動(dòng)物或交通工具的識(shí)別感興趣，等等。選擇了形成一個(gè)類（具有一個(gè)特定模式）的輸入集以后，這個(gè)集合就構(gòu)成了所謂的“學(xué)習(xí)集”。模式識(shí)別系統(tǒng)必須既能識(shí)別這個(gè)學(xué)習(xí)集的一個(gè)樣本還能識(shí)別所有等效的樣本。與上述識(shí)別過(guò)程相反的是一種無(wú)監(jiān)督模式識(shí)別問(wèn)題，即對(duì)于給定的類沒(méi)有學(xué)習(xí)集，因此這樣的系統(tǒng)必須能借助“簇分析”的技術(shù)教會(huì)自己，以便在輸入的數(shù)據(jù)中能識(shí)別出目標(biāo)較為復(fù)雜的場(chǎng)合，不過(guò)這里說(shuō)的復(fù)雜的場(chǎng)合與簡(jiǎn)單的場(chǎng)合之間僅存在一個(gè)“模糊”的邊界，是很難明確區(qū)分的。

　　3 模式識(shí)別與標(biāo)定測(cè)量

　　 標(biāo)定測(cè)量常常被認(rèn)為是最基本的沒(méi)量方式，在有關(guān)測(cè)量的教材中是在開(kāi)始時(shí)就介紹的。一般來(lái)說(shuō)，這是把未知的實(shí)體與參照實(shí)體的標(biāo)準(zhǔn)集比較。顏色的比較是一個(gè)傳統(tǒng)的例子，如把下一年的小汽車的顏色作為標(biāo)準(zhǔn)集，未知顏色就可獲得標(biāo)準(zhǔn)參照集中相同的（或幾乎相同）顏色的名稱。這個(gè)過(guò)程看起來(lái)確實(shí)很簡(jiǎn)單，只需與標(biāo)準(zhǔn)參照集比較，找出相同（或幾乎相同）的實(shí)體，這種比較是無(wú)序的并且不必下具體數(shù)值映射。

　　可以把標(biāo)定測(cè)量過(guò)程描述成一個(gè)分類過(guò)程，即把輸入數(shù)據(jù)映射到參照集的某個(gè)上。如果在參照集中找不到等價(jià)的實(shí)體，那么這種映射就被放棄。這種標(biāo)定測(cè)量與模式識(shí)別的相似性是顯然的。不過(guò)標(biāo)定測(cè)量中，比較過(guò)程是由人完成的，在模式識(shí)別中，這種比較分類過(guò)程是借助測(cè)量和很復(fù)雜的方法來(lái)完成的。并且在模式識(shí)別中，一個(gè)定義好的參照實(shí)體的標(biāo)準(zhǔn)集是不存在的，而需要使用學(xué)習(xí)集才能識(shí)別所有的類或模式。在前面描述標(biāo)定時(shí)用了“幾乎相同”的概念，這與模式識(shí)別中的可變性的概念是相似的。

　　4 模式識(shí)別方法

　　由于在一維、二維、三維甚至多維空間中要識(shí)別的模式的種類如此繁多，又由于可能存大很大的可變性，因此存在眾多的模式識(shí)別的方法，包括一些特別的專用方法，這是不足為奇的。下面介紹兩種常用的方法，兩種方法都需要先確定“特征”，但關(guān)于特征性質(zhì)的描述，這兩種方法又完全不同。通過(guò)處理從傳感器輸入的數(shù)據(jù)，并盡可能地壓縮數(shù)據(jù)，可以提取特征。人們希望特征的值能夠反映模式的特征，依靠特征來(lái)進(jìn)行數(shù)據(jù)壓縮，在幾乎所有的模式識(shí)別的方法是必須的，這是因?yàn)檩斎氲膫鞲衅鞯臄?shù)據(jù)通常很復(fù)雜且含有很多不相關(guān)的冗余數(shù)據(jù)。在模式識(shí)別的問(wèn)題中常用到二維圖像，假如一格含有512×512個(gè)象素，用8個(gè)比特表示每個(gè)象素，這樣就是2百萬(wàn)個(gè)比特還多，因此必須進(jìn)行數(shù)據(jù)壓縮，這需要至少兩步完成，即先生成特征數(shù)據(jù)，再根據(jù)特征數(shù)據(jù)通過(guò)實(shí)施決策過(guò)程找到測(cè)量數(shù)據(jù)中包含的類。

　　高質(zhì)量的特征數(shù)據(jù)的選擇要求有關(guān)于模式的大量的先驗(yàn)知識(shí)，如果沒(méi)有這種先驗(yàn)知識(shí)，就需要采用嘗試的方法，與統(tǒng)計(jì)等方法結(jié)合使用，這需要一個(gè)很大的學(xué)習(xí)集。通常模式識(shí)別方法有以下兩種： 1 統(tǒng)計(jì)方法　　它利用了作為特征的一些參數(shù)的數(shù)值，如交通工具的高度和長(zhǎng)度、曲線上特征點(diǎn)的坐標(biāo)、染色體的大小和位置。這些值可以通過(guò)直接測(cè)量獲得，但常常需要進(jìn)行大量的數(shù)據(jù)處理。如果選到了K個(gè)特征值，那么在K維維持特征空間中，要用K個(gè)值來(lái)表示一個(gè)點(diǎn)。模式的可變性引起了每個(gè)模式的學(xué)習(xí)集的樣點(diǎn)的分散，這就導(dǎo)致每個(gè)模式擁有一個(gè)樣點(diǎn)簇。好的特征和完全不同的模式使每個(gè)模式的樣點(diǎn)簇分散減小，使不同模式的樣點(diǎn)簇分散減小，并且使不同模式的樣點(diǎn)簇之間的距離相對(duì)增大。如果樣點(diǎn)簇間不疊加，那么就可構(gòu)建判別平面，完全把樣點(diǎn)簇分開(kāi)。如果示知模式的特征空間的樣點(diǎn)靠近樣點(diǎn)簇，就可以做出正確的分類決策。不過(guò)，通常樣點(diǎn)特征值擴(kuò)散很大并且樣點(diǎn)簇間的距離很小，樣點(diǎn)簇常常是疊加的。在這種情況下，需要尋找決策算法來(lái)構(gòu)建某種最優(yōu)的判別平面，這需要有關(guān)于樣點(diǎn)簇的概率密度的統(tǒng)計(jì)知識(shí)。 2語(yǔ)言符號(hào)法 　　這種方法是基于把模式分解成基本部分或元素，例如拼在幾何圖形中的直線和曲線段。元素及其位置和它們間的關(guān)系有時(shí)可用一種語(yǔ)法來(lái)表達(dá)，這與自然語(yǔ)言中的語(yǔ)法相似。人們?yōu)槟Ｊ阶R(shí)別已經(jīng)提出了很多不同種類的語(yǔ)法，包括隨機(jī)過(guò)程語(yǔ)法，這種語(yǔ)法考慮了模式的可變性。在模式識(shí)別過(guò)程中，先確定元素、它們的位置和關(guān)系，然后通過(guò)決策即語(yǔ)法分解確定哪種模式識(shí)別語(yǔ)法可以通過(guò)先驗(yàn)知識(shí)獲得，也可以從學(xué)習(xí)集中獲得。根據(jù)語(yǔ)法的類型和現(xiàn)有的先驗(yàn)知識(shí)，人們已經(jīng)開(kāi)發(fā)出了很多決策算法。 5 模式識(shí)別問(wèn)題求解中的傳感器和處理器 　
　由于大部分模式識(shí)別算法都采用數(shù)字法表示，因此在模擬傳感器后總是跟著模/數(shù)轉(zhuǎn)換器。在圖象處理中，對(duì)于具有很多象素的圖象，要求采用快速模/數(shù)轉(zhuǎn)換器，并且要配備專用存儲(chǔ)器和處理器。除了光學(xué)圖象外，還有很多其它種類的圖象，如通過(guò)核測(cè)量、X射線和超聲波、核磁共振或石油測(cè)井的各種成象。

　　通過(guò)對(duì)這些圖象的處理可以獲得光學(xué)圖象不能提供的不透光實(shí)體的內(nèi)部結(jié)構(gòu)。　　模式識(shí)別問(wèn)題中應(yīng)用的某些光掃描器與傳統(tǒng)的掃描器有著密切的聯(lián)系，如電視、光陣列掃描器等。飛機(jī)或衛(wèi)星遙感中的掃描器生成的數(shù)據(jù)的波長(zhǎng)極窄，可以依靠這些數(shù)據(jù)識(shí)別地質(zhì)、農(nóng)業(yè)、地理或石油等方面的模式，通過(guò)實(shí)體視覺(jué)方法可以從一個(gè)二維圖象中獲得三維的信息，或通過(guò)層析成象的方法從多個(gè)以不同方向透射產(chǎn)生的圖象中獲得這樣的三維的信息。對(duì)于處理有限個(gè)三維目標(biāo)的機(jī)器人系統(tǒng)，使用與某軸平行的平面光可以在目標(biāo)中產(chǎn)生特別的光照效果，根據(jù)目標(biāo)表面反射的激光束的傳播時(shí)間也可獲得關(guān)于第三維的數(shù)據(jù)信息。

　　傳感器獲得測(cè)量數(shù)據(jù)的同時(shí)也帶來(lái)失真，因此在進(jìn)行模式識(shí)別的處理之前需要通過(guò)預(yù)處理恢復(fù)測(cè)量數(shù)據(jù)。預(yù)處理方法包括反向?yàn)V波、線形最小均方濾波和保邊沿濾波等。為了使特征提取更容易，也可故意在圖象中加入失真，即圖象的增強(qiáng)，如側(cè)面高頻濾波可以增強(qiáng)圖象的邊緣，這點(diǎn)對(duì)于形狀識(shí)別很重要。對(duì)于這樣的預(yù)處理及特征提取，常規(guī)的計(jì)算機(jī)常常速度太慢，因此有些傳感器常需配備專用的處理器或預(yù)處理器，并采用專用軟件、更快的硬件及并行處理等。智能傳感器和處理器（預(yù)處理器）的結(jié)合為實(shí)用系統(tǒng)構(gòu)建快速經(jīng)濟(jì)的組件提供了廣闊的前景。

　　傳感器的發(fā)展，（預(yù)）處理、特征提取和決策算法的發(fā)展使人們可以期望看到模式識(shí)別和電子儀器在實(shí)際中的應(yīng)用不斷地增長(zhǎng)。