模式识别

1.什么是模式识别

模式识别(PatternRecognition)是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在20世纪60年代初迅速发展并成为一门新学科。 rum

模式识别：确定一个样本的类别属性（模式类）的过程，即把某一样本归属于多个类型中的某个类型，模式分类的过程。

模式识别是指对表征事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。

模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等，属于概念识别研究的范畴，是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物的传感器等对象进行测量的具体模式进行分类和辨识。

模式识别研究主要集中在两方面，一是研究生物体(包括人)是如何感知对象的，属于认识科学的范畴，二是在给定的任务下，如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容,后者通过数学家、信息学专家和计算机科学工作者近几十年来的努力，已经取得了系统的研究成果。 rumen8.com-入门吧是最好的入门资料网站

应用计算机对一组事件或过程进行鉴别和分类。所识别的事件或过程可以是文字、声音、图像等具体对象，也可以是状态、程度等抽象对象。这些对象与数字形式的信息相区别，称为模式信息。

模式识别所分类的类别数目由特定的识别问题决定。有时，开始时无法得知实际的类别数，需要识别系统反复观测被识别对象以后确定。

模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。例如自适应或自组织的模式识别系统包含了人工智能的学习机制；人工智能研究的景物理解、自然语言理解也包含模式识别问题。又如模式识别中的预处理和特征抽取环节应用图像处理的技术；图像处理中的图像分析也应用模式识别的技术。 ww

2.模式识别特征

1模式的普遍性或概括性。人们只要熟悉现象中为数不多的代表，就能形成组或类的概念。

2模式的特征性。同类中具有某些关键的特征或属性，使大脑要处理的信息量大大减少。同时也有利于模式的泛化。

3模式的学习过程和客观不变性。有教师（监督）的学习、无教师（监督）的学习。

4模式的变异性、不确定性和模糊性。

5模式识别具有相当明显的主观性。

3、模式识别方法

1、统计判别 www.rumen8.com-找入门资料就到入门吧

主要方法
几何分类：线性分类，非线性分类
统计分类：Bayes决策
无教师的分类：聚类分析

主要优点
1）比较成熟
2）能考虑干扰噪声等影响
3）识别模式基元能力强

主要缺点
1）对结构复杂的模式抽取特征困难
2）不能反映模式的结构特征，难以描述模式的性质
3）难以从整体角度考虑识别问题

2、句法结构

模式判定：是一种语言，用一个文法表示一个类， m类就有m个文法，然后判定未知模式遵循哪一个文法。

主要优点
1）识别方便，可以从简单的基元开始，由简至繁。
2）能反映模式的结构特征，能描述模式的性质。
3）对图象畸变的抗干扰能力较强。

主要缺点
当存在干扰及噪声时，抽取特征基元困难，且易失误。

3模糊识别

模式描述方法：模糊集合 A={(ma,a), (mb,b),... (mn,n),}  

模式判定：是一种集合运算。用隶属度将模糊集合划分为若干子集，
 m类就有m个子集，然后根据择近原则分类。

主要优点
由于隶属度函数作为样本与模板间相似程度的度量，故往往能反映整体的与主体的特征，从而允许样本有相当程度的干扰与畸变。

主要缺点
准确合理的隶属度函数往往难以建立，故限制了它的应用。

4逻辑推理  

模式判定：是一种布尔运算。从事实出发运用一系列规则，推理得到不同结果，m个类就有m个结果。          

主要优点
已建立了关于知识表示及组织，目标搜索及匹配的完整体系。对需要众多规则的推理达到识别目标确认的问题，有很好的效果。

缺点
当样本有缺损，背景不清晰，规则不明确甚至有歧义时，效果不好。

5神经网络

模式描述方法：以不同活跃度表示的输入节点集

模式判定：是一个非线性动态系统。通过对样本的学习建立记忆，然后将未知模式判决为其最接近的记忆。

主要优点
可处理一些环境信息十分复杂，背景知识不清楚，推理规则不明确的问题。允许样本有较大的缺损、畸变。

主要缺点
模型在不断丰富与完善中，目前能识别的模式类还不够多。