精华内容
下载资源
问答
  • 模式识别与智能计算》基于PCA的模板匹配法 《模式识别与智能计算》基于PCA的模板匹配法 基于PCA的模板匹配法 1.实现步骤 2.编程代码 3.运行方法和结果 前言:此篇博客主要介绍《模式识别与智能计算...

    《模式识别与智能计算》基于PCA的模板匹配法


    前言:此篇博客主要介绍《模式识别与智能计算》中代码如何使用。


    先决条件:《模式识别与智能计算》—MATLAB技术实现 软件配置
                     《模式识别与智能计算》第2章 特征的选择与优化

          我假设你环境配置出错!不能运行手写识别程序。但是你要下载成功此数据:下载:《模式识别与智能计算》MATLAB技术实现(光盘文件)之后,可以在 手写数字分类文件夹内找到templet.mat数据。
          软件选择0类别对应templet中的pattern(1).feature;

    需要条件:1. templet.mat
                       2.allsamples.mat:此文件下载后,内容是我自己的手写体识别;
    2中数据可自行保存,保存方法如下:
    这里写图片描述
    allsamples.mat解释:
    这里写图片描述       这里写图片描述
    左图,分别是0~9结构体,每个数字有5个样本;右图,打开数字0样本,25*5,每一列为1个样本;

    基于PCA的模板匹配法

    在使用模板匹配法之前,先对特征进行主成分分析。按照一定的贡献值,提取前m个主分量,用较低维数的特征来进行分类。

    1.实现步骤

    这里写图片描述

    2.编程代码

    pcapro.m文件:

    %  %  %  %  %  %  %  %  %  %  %  %  %  %  %  %
    %函数名称::pcapro()
    %参数:sample:待识别样品特征
    %返回值:y1:样品库经过主成分分析后的主分量矩阵;y2:样品库经过主成分分析后的主分量向量
    %函数功能:对样品库和待测样品用主成分分析法进行降维
    %  %  %  %  %  %  %  %  %  %  %  %  %  %  %  %
    function [y1,y2]=pcapro(sample)
    load templet pattern;%加载样品库
    mixedsig=[];
    sum1=0;
    %将所有类别的所有样品合并到mixedsig
    for i=1:10
        sum1=sum1+pattern(i).num;
        mixedsig=[mixedsig pattern(i).feature];
    end
    [Dim,NumofSampl]=size(mixedsig);%Dim为特征数,NumofSampl为样品总个数
    dsig_cov=cov(mixedsig');%求mixedsig的协方差矩阵
    %利用pcacov()函数从大到小排好序的协方差矩阵的特征值latent和相应特征向量pc
    [pc,latent,tspuare]=pcacov(dsig_cov);
    temp=0;con=0;m=0;
    %根据贡献率取舍特征向量
    sum2=sum(latent);
    for i=1:25
        if(con<0.9)
            temp=temp+latent(i);
            con=temp/sum2;
            m=m+1;
        else
            break;
        end
    end
    pc(:,m+1:25)=[];
    %求待测样品主成分
    x=sample'*pc;       %此处和书中不同,因为我的数据是按照列 如按行可改为x=sample*pc;
    %求样品库品成分
    y=mixedsig'*pc;
    y1=y';
    y2=x';
    

    pcaneartemplet.m文件:

    %函数名称:pcaneartemplet()
    %参数:sample:待识别样品特征
    %返回值:y:待识别样品所属类别
    %函数功能:按照使用PCA的模板匹配法计算待测样品与样品库中的样品相似度
    %  %  %  %  %  %  %  %  %  %  %  %  %  %  %  %  %
    function y=pcaneartemplet(sample);
    clc;
    load templet pattern;
    %对样品和样品库进行主成分分析
    [pcapat,pcasamp]=pcapro(sample);
    temp=0;
    for i=1:10
        pattern(i).feature=pcapat(:,temp+1:temp+pattern(i).num);
        temp=temp+pattern(i).num;
    end
    d=0;%距离
    min=[inf,0];
    for i=1:10
        for j=1:pattern(i).num
            %计算待测样品与样品库间的最小距离
            d=sqrt(sum((pattern(i).feature(:,j)-pcasamp).^2));
            %求最小距离及其类号
            if min(1)>d
                min(1)=d;
                min(2)=i-1;
            end
        end
    end
    %输出类别
    y=min(2);

    3.运行方法和结果

    将pcaneartemplet.m、pcapro.m、templet.mat和allsamples.mat放同一目录下。输入:
    这里写图片描述
    运行结果:

    ans = 0;

    因为输入的样本为0,分类结果也为0,故分类正确!!!

    展开全文
  • 重点是在软件中的实现,matlab. 《模式识别与智能计算》 杨淑莹 2008.1 电子工业出版社

    重点是在软件中的实现,matlab.


    《模式识别与智能计算》

    杨淑莹

    2008.1

    电子工业出版社

    展开全文
  • 模式识别与智能计算》模板匹配法 《模式识别与智能计算》模板匹配法 理论基础 两类别 实现步骤 编程代码 运行结果 模板匹配法应该是最简单的模式识别方法。可谁让我是小白呢,学习一下。 理论...

    《模式识别与智能计算》模板匹配法

    模板匹配法应该是最简单的模式识别方法。可谁让我是小白呢,学习一下。

    理论基础

    ​ 就是把未知样品和一个标准模板相比,看它们是否相同或相似。主要讨论两类别情况。

    两类别

    ​ 设有两个标准样品模板为AB,其特征向量为n维特征:XA=(xA1,xA2,,xAn)TXB=(xB1,xB2,,xBn)T。任何一个待识别的样品X,其特征向量为:X=(x1,x2,,xn)T,那么,他是A还是B ?

    ​ 用模板匹配方法来识别,若X=XA,则该样品为A,若X=XB,则该样品为B。最简单的识别方法就是利用距离来判别。

    最小距离判别法:如果X距离XA比距离XB近,则X属于XA,否则属于XB

    任意两点X,Y之间的距离:

    d(X,Y)=[i=1n(xiyi)2]12

    根据距离远近可作为判据,构成距离分类器,其判别法则为:
    {d(X,XA)<d(X,XB)XAd(X,XA)>d(X,XB)XB

    实现步骤

    1. 待测样品X与训练集里每个样品Xi的距离为d(X,Y)=[i=1n(xiyi)2]12;
    2. 循环计算待测样品和训练集中各已知样品之间的距离,找出距离待测样品最近的已知样品,该已知样品的类别就是待测样品的类别。


    编程代码

    %函数名称:neartemplet()
    %参数:sample:待识别样品特征
    %返回值:y:待识别样品所属类别
    %函数功能:按照模板匹配法计算待测样品与样品库中的样品相似度
    function y=neartemplet(sample);
    clc;
    load templet pattern;%加载样品库
    d=0;%距离
    min=[inf,0];
    for i=1:10
        for j=1:pattern(i).num 
            %计算待测样品与样品库样本间的最小距离     
            d=sqrt(sum((pattern(i).feature(:,j)-sample').^2));
            %求最小距离及其类号
            if min(1)>d
                min(1)=d;
                min(2)=i-1;
            end
        end 
    end
    %输出类别
    y=min(2);

    其中:d(X,Y)=[i=1n(xiyi)2]12代码如下:

    d=sqrt(sum((pattern(i).feature(:,j)-sample').^2));


    运行结果

    sample来源:手写识别题个人样本
    templet来源:《模式识别与智能计算》MATLAB技术实现(光盘文件)
    不做过多解释了,详情请看此系列博客。

    这里写图片描述

    ans = 3

    因为使用数字3的样本,故结果正确。

    展开全文
  • 模式识别与智能计算》—MATLAB技术实现 《模式识别与智能计算》—MATLAB技术实现 配置资源: 光盘内容: 软件安装说明: 打开MATLAB 2007: 例程: 前言:前几天在网上买了第3版,翻来一看发现代码和...

    《模式识别与智能计算》—MATLAB技术实现

    前言:前几天在网上买了第3版,翻来一看发现代码和环境都无法配置,给技术人员发邮件也没人回复。想运行书中的代码也无从下手,在网上找了几天资源终于测试成功。

    配置资源:

    由于第2版和第3版没有提供软件配置说明,只有第1版提供配置软件。

    1.Matlab R2007b:链接: https://pan.baidu.com/s/10MTzEe9aWF5ciumIm1g3fw 密码: hodz
    2. 《模式识别与智能计算》MATLAB技术实现(光盘文件)

    注:本人win7环境

    为什么要安装2007版本?高版本MATLAB运行会出错,如下:
    这里写图片描述
    第3版书中代码:《模式识别与智能计算》MATLAB技术实现(第2版).杨淑莹

    光盘内容:

    光盘内容:
    本光盘主要由两部分内容组成:
    一、手写数字分类软件。
    二、聚类分析软件。

    软件安装说明:

    一、手写数字分类软件。
    1) 打开“手写数字分类软件”文件夹,点击“手写数字分类.msi”安装程序,在安装向导中选择安装目录,安装完成。
    2) 打开Matlab软件程序,将当前工作目录设为“手写数字分类”的安装目录,在命令行中输入“classification”命令,即可打开手写数字分类软件。
    二、聚类分析软件。
    1) 打开“聚类分析软件”文件夹,点击“聚类分析.msi”安装程序,在安装向导中选择安装目录,安装完成。
    2) 打开Matlab软件程序,将当前工作目录设为“聚类分析”的安装目录,在命令行中输入“Cluster”命令,即可打开聚类分析软件。

    打开MATLAB 2007:

    设置路径:File→Set Path→将上述程序安装目录载入。
    MATLAB命令行窗口输入:classification
    这里写图片描述

    例程:

    鼠标左键写入:0
    这里写图片描述
    点击:模板匹配→最近邻模板匹配法
    这里写图片描述

    展开全文
  • 模式识别与智能计算——matlab技术实现(第2版)》广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论,将其应用到模式识别领域中;以一种新的体...
  • 最近开始专心学习机器学习、模式识别算法,主要通过斯坦福大学Andrew Ng老师的《机器学习》课程和《模式识别与智能计算-matlab技术实现》这本书进行学习。以模式识别为主线进行学习。那本书可在此下载 ...
  • 模式识别与智能计算--MATLAB技术实现》

    千次阅读 热门讨论 2016-02-26 15:53:51
    因为突然要用到特征提取、模式识别的东西,所以现在开始补习这方面的理论知识,因为之前没怎么去看模式识别,下载了书上的源代码错误率太高了,,,应该是这个写代码的人的书写习惯和我不一样 所以我想着 我也写十...
  • 1.1模式识别的基本概念  1.模式的描述方法  一个待分类的对象就是一个样本。  必须确定一些识别有关的因素作为分类研究的根据,每一个因素成为一个特征;模式就是样品所具有特征的描述。  模式中抽取的多个...
  •  模式识别算法的设计都是强调“最优”或“最佳”,希望所设计的系统在性能上最优。这种“最优”是针对某一种设计原则而言的,及准则。 1.3.1分类器设计准则如下:  1)最小误差率准则;  2)最小风险准则;  3)...
  • AI:几张图理清人工智能与机器学习、知识发现、数据挖掘、统计学、模式识别、神经计算学、数据库之间的暧昧关系 目录 几张图理清人工智能与机器学习、知识发现、数据挖掘、统计学、模式识别、神经计算学、...
  • 计算机视觉、模式识别、人工智能

    千次阅读 2019-10-16 13:51:03
    考虑数学计算层面的目标及可以引入的合理约束条件。 (2)描述和算法 重点解决计算机视觉中的输入输出的数据格式问题,并设计合理的算法实现其系统功能。 (3)硬件的合理使用 使用符合算法要求的硬件并考虑该...
  • 人工智能是近年来引起人们很大兴趣的一个研究领域:它的研究目标是用机器,通常为电子仪器、电脑等...本文主要介绍符号计算模式识别、专家系统、机器翻译四个方面的人工智能的日常生活应用。   一、符号计算 ...
  • 模式识别技术是人工智能的基础技术,21世纪是智能化、信息化、计算化、网络化的世纪,在这个以数字计算为特征的世纪里,作为人工智能技术基础学科的模式识别技术,必将获得巨大的发展空间。在国际上,各大权威研究...
  • 模式识别,计算机视觉,智能控制,信号处理,语音识别,知识处理,机器学习,数据挖掘之间的联系。
  • 人工智能模式识别

    千次阅读 2019-05-15 17:30:43
    人工智能涉及到很多的技术,大家都知道人工智能离不开机器学习,不过比较少人知道人工智能也是离不开模式识别的。什么是模式识别呢?简单点说,模式识别就是对各种情况的识别。而在人工智能中,模式识别是一个重要的...
  • 图像处理是将输入图像转换为输出图像的过程,人是图像处理的效果的最终解释者; 在计算机视觉中,计算机是图像的解释者;...模式识别主要解决分类的问题,是计算机视觉中的一个模块; 总体来说他们有如下的关系:
  • 在我的理解里,要实现计算机视觉必须有图像处理的帮助,而图像处理倚仗与模式识别的有效运用,而模式识别是人工智能领域的一个重要分支,人工智能与机器学习密不可分。纵观一切关系,发现计算机视觉的应用服务于机器...
  • 模式识别之特征评估

    千次阅读 2016-04-25 22:50:41
    本文内容学习自《模式识别与智能计算——MATLAB技术实现》 对原特征空间进行优化后,就要对优化的结果进行评价,通过反复选择不同的特征组合,采用定量分析比较的方法,判断所得到的特征维数,以及所使用的特征是否...
  • 模式识别——初识模式识别

    千次阅读 2018-11-07 09:11:26
    ——这是一篇来自菜鸟的学习笔记—— 1. 什么是模式识别 ... 基本的模式识别方法有两种:统计模式识别和结构模式识别。统计模式识别主要由四部分组成:数据获取、预处理、特征提取和选择、分类决...
  • 在我的理解里,要实现计算机视觉必须有图像处理的帮助,而图像处理倚仗与模式识别的有效运用,而模式识别是人工智能领域的一个重要分支,人工智能与机器学习密不可分。纵观一切关系,发现计算机视觉的应用服务于机器...
  • 什么是模式识别模式识别主要识别什么?

    万次阅读 多人点赞 2019-03-20 23:01:58
    模式识别诞生于20实际20年代,随着40年代计算机的出现,50年代人工智能的兴起,模式识别在60年代初迅速发展成为一门学科。简单点说,模式识别是根据输入的原始数据对齐进行各种分析判断,从而得到其类别属性,特征...
  • (人工智能与模式识别) CCF推荐国际学术会议 一、A类 序号 会议简称 会议全称 出版社 网址 1 AAAI AAAI Conference on ...
  • 关于计算机视觉和模式识别领域的期刊并不是很多,下面我收集了一些该领域的代表性期刊,并介绍了他们的影响因子以及投稿难度和审稿周期。希望对大家有帮助吧,后期大家还有发现的可以留言,补充哦。 首先介绍计算机...
  • 华东师范大学《模式识别与机器学习》课程历年考题总结
  • 模式识别

    千次阅读 多人点赞 2020-10-31 20:38:52
    作为人工智能的一个重要方向,模式识别的主要任务是模拟人的感知能力,如通过视觉和听觉信息去识别理解环境,又被称为“机器感知”或“智能感知”。 人们在观察事物或现象的时候,常常要寻找它其他事物或现象的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 100,448
精华内容 40,179
关键字:

模式识别与智能计算