Лекции по МРРиИ, Геппенер В.В. / Лекции&Вопросы2002

Содержание лекционного курса

«Распознавание изображений и речевых сигналов»

Лектор : Геппенер В.В. 2002 г.

Лекция 1 Введение в в распознавание образов . ( вопросы № 1-3)

1. Образы и распознавание образов. Структура системы распознавания образов

Получение данных, предобработка данных, класификация данных - три основных фазы распознавания образов. Представление образов и основные подходы к машинному распознаванию: непараметрический, статистический, синтаксический, нейронный .

Примеры применений: машинное зрение, распознование рукописных символов , распознавание речи, анализ медицинских данных .

Лекция 2. Непараметрические методы классификации . ( вопросы № 4- 6)

Решающие поверхности и дискриминантные функции. Линейные дискриминантные функции. классификатор по минимуму расстояния. Линейная разделимость. Кусочно- линейные дискриминантные функции. Нелинейные дискриминантные функции. Фи- машины. Потенциальные функции как дискриминантные функции.

Лекция 3. Непараметрическое ( независящее от распределения ) обучение дискриминантных функций. ( вопросы № 7-9)

Пространство весов. Процедуры обучения с коррекцией ошибок: правило с фиксированным приращением, правило абсолютной коррекции, частично корректирующее правило. Обобщенные градиентные методы. Персептронный критерий. Процедуры обучения на основе минимальноой среднеквадратичной ошибки: псевдоинверсныц метод, метод Хо-Кашьпа.

Лекция 4-5.Статистические дискриминантные функции I . ( вопросы № 10-14)

Функция потерь. Байесовская дискриминантная функция. Принятие решение по максимуму правдоподобия. Ошибки классификции. Оптимальная дискриминантная функция для нормально распределенных образов.Примеры статистических дискриминантных функций для нескольких моделей образов. Обучение для статистических дискриминантных функций. Оценки максимального правдоподобия, байесовские оценки. Непараметрическое оценивание. Парзеновские окна, метод непараметрического оценивания на основе к-ближайшего соседства.

Лекция 5а. Алгоритмы оценки информативности признаков.

Задачи оценки информативности признаков. Методы оценки информативности

Лекция 6. Кластерный анализ и обучение без учителя . ( вопросы № 15-18)

Кластерный анализ - Основная цель.Области применения. асстояния между образами, .меры расстояния между кластерами Иерархическая группировка - формальное описание. Алгоритм иерархической группировки. Формальное описаниеМетод K-внутригрупповых средних - Краткий обзор.Алгоритм К-средних. Формальное описание.

Лекция 7. Синтаксическое распознавание образов. ( вопросы № 20-21)

Понятия теории формальных языков : определения, типы грамматик . Постановка задачи синтаксического распознавания образов. Синтаксическое описание образов .

Грамматики, используемые в распознавании образов: синтаксически ориентированное распознавание, распознавание образов, представленных графами.

Лекция 8. Распознавание образов с использованием нейронных сетей. ( вопросы №22-23)

Что такое нейронное распознавание образов. Перцептрон: однослойный, многослойный. Обучение многослойного перцептрона: алгоритм обратного распространения ошибки. Обучение без супервизора в нейронном распознавании образов. Кохоненовская самоорганизующаяся сеть.

Лекция 9. Предобработка данных в задаче распознавания изображений на основе дискретных преобразований. (1) ( вопросы №24-26)

Определение преобразований изображений. . Дискретизация для двумерных функций , функциональные свойства двумерного преобразования Фурье: сепарабельность ядра, периодичность и комплексно-сопряженная симметрия, инвариантность к повороту, корреляция и конволюция. Быстрое преобразование Фурье ( одномерный случай) Двумерное FFT как два шага одномерного FFT. Улучшение обработки путем преобразования c использованием низкочастотной и высокочастотной фильтрации

Лекция 10. Предоработка данных в задаче распознавания изображений основе дискретных преобразований. (2) Другие методы преобразования изображений: преобразование Уолша, Адамара, дискретное преобразование Карунена-Лоева

Лекция11. Предобработка изображений в пространственной области.( вопросы №27-29)

Изменение контраста и яркости. Видоизменение гистограмм яркостей Обработка изображений с использованием методов фильтрации. Подчеркивание границ. Медианный фильтр.

Алгоритмы цифровой обработки изображений на псевдокоде : реализованные в программном комплексе «Обработка изображений»

1. Преобразование пространственно-временного сигнала в полутоновое изображение.

2. Инвертирование изображений;

3. Изменение контрастности и яркости;

4. Преобразование изображений с помощью равномерной эквализации гистограмм яркости изображений.

5. Дискретная фильтрация полутонового изображения на основе двумерной свертки;

6. Медианная фильтрация полутонового изображения.

Лекция12. Описание структуры изображений. ( вопросы № 30- 34)

Задача описания геометрических структур изображений. Категории признаков , Классификация методов и алгоритмов. Методы и алгоритмы вычисления топологических признаков. Методы и алгоритмы вычисления метрических признаков. Методы вычисления параметрических описаний границ областей. Структурнные методы описания объектов изображений. Синтез структурных описаний кривых. Структурные методы описания областей. Нечеткие методы описания структуры изображений.

Лекция 13. Введение в распознавание речи. ( вопросы № 35-37)

Речевые технологии в современной обработке данных . Классификация систем распознавания речи. Обзор современных систем распознавания речи. Речевой сигнал и его структура: механизм речеобразования,фонетическая структура речевого сигнала. Линейная математическая модель речеобразования. Основные подходы к построению систем распознавания речи.

Лекция 14. Методы обработки речевых сигналов в задаче распознавания. I. ( вопросы №38-42)

Основные этапы обработки речевых сигналов. Регистрация речевых сигналов и исползование звуковых карт. Частота дискретизации , разрядность представления речевых данных. Формат Wav-файла. Методы параметрического описания речевых сигналов. Окно и шаг анализа. Спектральное описание речевого сигнала. Формантный анализ. Определение границ слов фраз.

Лекция 15. Методы обработки речевых сигналов в задаче распознавания. II. ( вопросы № ( вопросы №41, 43)

Методы линейного предсказания. Автокорреляционный и ковариационный методы. Вычисление коэффициентов усиления модели. Реализация на основе решетчатого фильтра. Кепстр линейного предсказания .

Лекция 16. Методы распознавания речи. ( вопросы №44-45)

Распознавание на основе эталонов. Меры сходства речевого сигнала с эталонами . Нормализация темпа речи Алгоритмы динамического программирования. Применение скрытых Марковских моделей. Распознавание независимое от дикторов. Нечеткие модели распознавания