1. 程式人生 > >模式識別初體驗——模式識別中要處理的問題以及使用的方法

模式識別初體驗——模式識別中要處理的問題以及使用的方法

寫在前面

       做完這半年的畢設,就要從小小的本科進化到研究僧階段了。本科讀的是EE,雖然對這行算是感興趣,但是還是對模式識別嚮往更多一些。剛剛接觸模式識別不到一週,照著對於新知識從框架到細節的學習習慣,可以說是感觸頗深。於是就想動筆把自己的體會記錄下來,這篇文章主要還是從框架上來表明一些我對模式識別的認識。

模式識別的本質

       其實非IT人士對於模式識別這四個字是沒有太多概念的,別人問起我我也不知道從何解釋,於是就從度娘那裡粘來直接用。後來乾脆也不貼上了,就自己總結了一句我認為很直觀的話來解釋模式識別本質是什麼——藉助計算機找規律的學科。

這規律具體是什麼就很難說清楚了,不過不管是什麼,在我看來,模式識別裡面的演算法就是幫著人們找規律的。

模式識別的招數

        本質其實更像是內功,而招數則更為具體。模式識別的招數就是找規律的招數,應該說是分為兩大類——分類器與特徵提取。

        清華大學邊肇祺與張學工兩位老師的《模式識別》基本都是沿著這個思路來的,不過都是從分類器開始講,而且側重講分類器。其實個人看來,特徵提取也是挺重要的,因為現在就在做,但是沒有合適的書講。

模式識別的基本套路如下:得到資料>>資料預處理>>提取特徵>>分類學習>>檢驗結果。其中第三步與第四步就是模式識別的兩大核心招數。

分類器

        分類器沒有關注太多,老闆讓我學特徵提取,所以分類器就說了先用最簡單的最近鄰分類器。SVM支援向量機貌似也是主流,樓主還沒關注到……這地方就不寫很多了。

特徵提取

        特徵提取的意思就是從資料中找出資料的特徵,而特徵的定義我們小學學自然的第一節課就已經學過了,但竟然花了十多年才有這麼深刻的體會。         對於特徵提取,我可能有些錯誤認識,在人臉識別方面,我認為特徵就一定是鼻子眼睛這才叫特徵,也就是最後的特徵一定要跟人臉有關,後來在學HOG(初學者可以從LBP與HOG下手,我覺得這兩個演算法挺不錯)才發現特徵的表現竟然是直方圖形式,當然了LBP也有直方圖形式,但是我最開始更傾向於用LBP變換過的人臉圖。 關於特徵提取的細節以及相關程式碼,我在之後的部落格再介紹吧。