计算机视觉研究的若干问题
北京大学
智能科学系
智能科学
机器感知与智能教育部重点实验室
查红彬2012-10-101
计算机视觉研究的若干问题
----之我见
北京大学
智能科学系
智能科学
机器感知与智能教育部重点实验室
查红彬2012-10-102
计算机视觉的发展进程
未来发展方向
?传感器融合信息处理层次CG 网络认知科学AR,MR, 机器人视觉识别、理解与交互自由空间?虚拟空间
输入输出融合时间信息融合感知行为融合鲁棒性三维+其他信息计算机视觉空间重构与描述定境多眼系统三维信息处理布高机能交互性能动性三维数字图像处理间重构与描?限定环境网络化与分布式高分辨率交叉性图像特征分析
视频处理特征多元化统计学习二维年代1970
1980199020002010101010-2-12相对信息处理能力1
主要研究课题：
?文本（文字）识别
?结构化（积木）场景的理解?三维重建与立体视觉
?基于模型的识别
?场景运动分析
?生物特征识别
?基于图像与视频的检索
?基于统计学习的图像理解
主要研究课题：
?文本（文字）识别
?结构化（积木）场景的理解?三维重建与立体视觉
?基于模型的识别
?场景运动分析
?生物特征识别
?基于图像与视频的检索
?基于统计学习的图像理解
计算机视觉？
视觉的主要特征：
?基于视网膜结构的成像与特征提取
?意识下视觉感知信息处理
?感知信息的选择性处理与注意机制
?任务驱动的动态环境感知
?知识引导下（自上而下）的视觉认知与视觉机能获取（机器学习）
?视觉感知中身体机能的作用
?视觉感知与环境的交互
计算机视觉研究的若干问题
?场景空间的结构分析：对象物之间的相互关系
?随时间轴推移的视觉过程：外部世界的变化与视觉系统的主动性
?事件因果关系的视觉认知
?计算机视觉中的时空注意机制
?基于统计学习的视觉机理（贝叶斯原理与图模型）
计算机视觉研究的若干问题
?场景空间的结构分析：对象物之间的相互关系
?随时间轴推移的视觉过程：外部世界的变化与视觉系统的主动性
?事件因果关系的视觉认知
?计算机视觉中的时空注意机制
?基于统计学习的视觉机理（贝叶斯原理与图模型）
面向真实世界维动态的
面向真实世界（三维动态）的
具有时间延续性与自适应能力的
机器视觉过程
Thank You!
2012-10-109
人工智能与模式识别 摘要：信息技术的飞速发展使得人工智能的应用范围变得越来越广，而模式识别作为其中的一个重要方面，一直是人工智能研究的重要方向。在介绍人工智能和模式识别的相关知识的同时，对人工智能在模式识别中的应用进行了一定的论述。模式识别是人类的一项基本智能，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，模式识别技术有了长足的发展。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。模式识别的发展潜力巨大。 关键词：模式识别；数字识别；人脸识别中图分类号； Abstract:The rapid development of information technology makes the application of artificial intelligence become more and more widely. Pattern recognition, as one of the important aspects, has always been an important direction of artificial intelligence research. In the introduction of artificial intelligence and pattern recognition related knowledge at the same time, artificial intelligence in pattern recognition applications were discussed.Pattern recognition is a basic human intelligence, the emergence of the 20th century, 40 years of computer and the rise of artificial intelligence in the 1950s, pattern recognition technology has made great progress. Pattern recognition and statistics, psychology, linguistics, computer science, biology, cybernetics and so have a relationship. It has a cross-correlation with artificial intelligence and image processing. The potential of pattern recognition is huge. Key words:pattern recognition; digital recognition; face recognition; 1引言 随着计算机应用范围不断的拓宽，我们对于计算机具有更加有效的感知“能
模式识别的研究现状与发展趋势 摘要：随着现今社会信息技术的飞速发展, 人工智能的应用越来越广泛, 其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景 Abstract：In the modern society with the rapid development of information technology, the application of a rtificial intelligence is more and more extensive, among them pattern recognition is one of the ap ply of artificial intelligence. And now the application of pattern recognition is also more and more to get everyone's attention and support, in various aspects have significant progress. Pattern rec ognition has become an integral part of people around. Keywords: Artificial Intelligence, Technology,Pattern Recognition, prospects 一，引言 如今计算机硬件的高速发展, 以及计算机应用领域的不断开拓, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说, 目前一般计算机却无法直接感知它们, 我们常用的键盘、鼠标等外部设备, 对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换, 并与计算机联机, 但由于识别技术不高, 而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下, 成为开拓计算机应用的瓶颈, 也与其高超的运算能力形成强烈的对比。于是, 着眼于拓宽计算机的应用领域, 提高其感知外部信息能力的学科———模式识别, 便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。 二，现状 以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解, 并借助一定的技术手段, 让计算机研究和分析地图上的各种模式信息, 获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。 地图模式识别是近年来在地图制图领域中新兴的一门高新技术, 是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁, 因此,地图模式识别遥感技术、地理信息系统一起, 被称为现代地图制图的三大技术。 目前, 地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高, 科技不过发展的情况下，
国家重点实验室评估规则 第一章总则 第一条为加强国家重点实验室（以下简称实验室）的管理，规范实验室评估工作，根据《国家重点实验室建设与运行管理办法》，特制定本规则。 第二条定期评估是实验室管理的重要环节，评估对象是所有依托高等院校和科研院所建设的国家重点实验室。评估周期为5年，每年评估1-2个领域的实验室。定期评估在年度考核的基础上进行，建立定期评估与年度考核有机结合的制度。 第三条定期评估的目的是全面了解和检查实验室5年的运行状况，总结经验和成绩，发现问题，促进实验室发展。评估重点是实验室的研究水平与贡献、队伍建设与人才培养、开放交流与运行管理。评估工作坚持“公开、公平、公正”和优胜劣汰的原则，依靠专家，注重实效。 第四条科学技术部（以下简称科技部）负责评估的组
织实施，制定实验室评估规则与工作规程，确定参评实验室名单，委托和指导第三方评估机构开展评估工作，确定和发布评估结果。 第五条科技部根据评估领域择优委托第三方评估机构开展具体评估工作。第三方评估机构应具备开展评估工作的能力，熟悉相关领域发展情况，能够客观公正地开展评估工作。 第六条评估机构、工作人员和评估专家应当严格遵守国家法律法规、保密规定，科学、公正、独立地行使职责和权利。评估机构、工作人员和评估专家不得对外发布相关过程信息，不得收取评估对象任何评审费用、礼品、礼金。 第七条实验室主管部门负责指导本部门实验室的评估工作，实验室依托单位应为实验室评估提供支持和保障。 第二章评估材料 第八条评估材料是实验室评估的依据，包括年度报告、年度考核报告和五年工作总结。年度报告纳入国家科技报告
服务系统，向社会公布，接受监督。 第九条实验室根据评估期内每年提交的年度报告提出五年工作总结。五年工作总结中列举的论文、专著、数据库、专利、软件著作权、奖励、技术成果转让必须是评估期内取得。 第十条实验室依托单位负责实验室年度考核，提供实验室年度考核报告，年度考核报告和实验室五年工作总结要在依托单位内部提前公示。 第十一条评估材料经主管部门审核后按规定程序和日期提交评估机构。评估机构应组织人员对评估材料进行审核。 第三章评估程序 第十二条评估机构根据科技部委托，拟定评估方案，受理评估材料，组织专家开展评估工作。 第十三条评估专家由本领域学术水平高、公道正派、熟悉实验室工作的同行专家和管理专家组成。 第十四条评估实行回避和专家信用记录制度。与实验
时间序列分析中模式识别方法的应用 摘要：时间序列通常是按时间顺序排列的一系列被观测数据，其观测值按固定的时间间隔采样。时间序列分析(Time Series Analysis)是一种动态数据处理的统计方法，就是充分利用现有的方法对时间序列进行处理，挖掘出对解决和研究问题有用的信息量。经典时间序列分析在建模、预测等方面已经有了相当多的成果，但是由于实际应用中时间序列具有不规则、混沌等非线性特征，使得预测系统未来的全部行为几乎不可能，对系统行为的准确预测效果也难以令人满意，很难对系统建立理想的随机模型。神经网络、遗传算法和小波变换等模式识别技术使得人们能够对非平稳时间序列进行有效的分析处理，可以对一些非线性系统的行为作出预测，这在一定程度上弥补了随机时序分析技术的不足。【1】 本文主要是对时间序列分析几种常见方法的描述和分析，并重点介绍神经网络、遗传算法和小波变换等模式识别方法在时间序列分析中的典型应用。 关键字：时间序列分析模式识别应用 1 概述 1.1 本文主要研究目的和意义 时间序列分析是概率论与数理统计学科的一个分支，它是以概率统计学作为理论基础来分析随机数据序列(或称动态数据序列)，并对其建立数学模型，即对模型定阶、进行参数估计，以及进一步应用于预测、自适应控制、最佳滤波等诸多方面。由于一元时间序列分析与预测在现代信号处理、经济、农业等领域占有重要的地位，因此，有关的新算法、新理论和新的研究方法层出不穷。目前，结合各种人工智能方法的时序分析模型的研究也在不断的深入。 时间序列分析已是一个发展得相当成熟的学科，已有一整套分析理论和分析工具。传统的时间序列分析技术着重研究具有随机性的动态数据，从中获取所蕴含的关于生成时间序列的系统演化规律。研究方法着重于全局模型的构造，主要应用于对系统行为的预测与控制。 时间序列分析主要用于以下几个方面：
模式识别研究进展 刘成林，谭铁牛 中国科学院自动化研究所 模式识别国家重点实验室 北京中关村东路95号 摘要 自20世纪60年代以来，模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。本文先简要回顾模式识别领域的发展历史和主要方法的演变，然后围绕模式分类这个模式识别的核心问题，就概率密度估计、特征选择和变换、分类器设计几个方面介绍近年来理论和方法研究的主要进展，最后简要分析将来的发展趋势。 1. 前言 模式识别(Pattern Recognition)是对感知信号（图像、视频、声音等）进行分析，对其中的物体对象或行为进行判别和解释的过程。模式识别能力普遍存在于人和动物的认知系统，是人和动物获取外部环境知识，并与环境进行交互的重要基础。我们现在所说的模式识别一般是指用机器实现模式识别过程，是人工智能领域的一个重要分支。早期的模式识别研究是与人工智能和机器学习密不可分的，如Rosenblatt的感知机[1]和Nilsson的学习机[2]就与这三个领域密切相关。后来，由于人工智能更关心符号信息和知识的推理，而模式识别更关心感知信息的处理，二者逐渐分离形成了不同的研究领域。介于模式识别和人工智能之间的机器学习在20世纪80年代以前也偏重于符号学习，后来人工神经网络重新受到重视，统计学习逐渐成为主流，与模式识别中的学习问题渐趋重合，重新拉近了模式识别与人工智能的距离。模式识别与机器学习的方法也被广泛用于感知信号以外的数据分析问题（如文本分析、商业数据分析、基因表达数据分析等），形成了数据挖掘领域。 模式分类是模式识别的主要任务和核心研究内容。分类器设计是在训练样本集合上进行优化（如使每一类样本的表达误差最小或使不同类别样本的分类误差最小）的过程，也就是一个机器学习过程。由于模式识别的对象是存在于感知信号中的物体和现象，它研究的内容还包括信号/图像/视频的处理、分割、形状和运动分析等，以及面向应用（如文字识别、语音识别、生物认证、医学图像分析、遥感图像分析等）的方法和系统研究。 本文简要回顾模式识别领域的发展历史和主要方法的演变，介绍模式识别理论方法研究的最新进展并分析未来的发展趋势。由于Jain等人的综述[3]已经全面介绍了2000年以前模式分类方面的进展，本文侧重于2000年以后的研究进展。
附2 国家重点实验室评估指标体系说明 一、研究水平与贡献 1. 定位、研究方向及承担国家重要任务情况。 定位明确，特色鲜明，研究方向符合科学发展趋势和国家经济社会发展需求。主要研究方向发展良好，有较强的承担国家重大科研任务的能力，特别是评估期内承担了国家重大科研任务，产生了重大科研成果。集中精力承担和组织国家重要任务，减少一般性竞争项目，有较高的科研效率。 2. 代表性研究成果水平与国际学术影响、在社会经济发展和国家重大需求中的贡献、投入产出比。 代表性成果是指评估期内在实验室主要研究方向上，以实验室为基地、实验室固定人员为主产生的重大科研成果，以及通过国内外合作研究取得的成果。代表性成果产生国际重要影响，对实验室成为学科建设与学术发展的创造中心、培育中心和引领中心起到重要作用。代表性成果应是根据科．学前沿和国家重大需求所开展的、为促进科学发展或解决关键科技问题以及为国家发展决策等方面所取得的重要科研系列进展，而不是某研究方向上关联度不高的成果的汇总和拼盘。对代表性成果的评价应将投入产出比作为一个重要指
标。 代表性成果名称表述应明确、具体，成果按基础研究、应用基础研究和基础性工作分类，不同类型成果按不同标准评价。（1）基础研究成果。 在科学前沿的探索研究中取得系统性原创成果，并具有重要国际影响。在本领域公认的重要期刊上发表系列高水平学术论文，或出版学术专著，或在国际重要学术会议上做邀请报告，产生重要学术影响。 （2）应用基础研究成果。 在解决国家经济建设、社会发展和国家安全的重大需求和在国家重大工程中具有创新思想与方法，实现重要理论创新、关键技术突破或集成，拥有核心专利等自主知识产权， 提供科学基础和技术储备，取得创造性成果并获得良好的经济和社会效益；或在实验技术方法、专用设备研制改进方面取得突破性进展。 （3）基础性工作成果。 基本科学数据、资料和信息具有权威性、系统性、完整性、科学性，并提供良好的公共服务和资源共享，为相关领域科学研究提供支撑，为国家宏观决策提供科学依据。 3. 合作研究与自主研究课题的组织情况与实施效果。 开展合作研究情况。作为本领域国内研究中心，对学科领域发展起到了辐射带动作用，积极组织、参与国际重大科学研
北京大学国家发展研究院研究生导师 张黎 综述 张黎博士曾任教于美国密苏里大学,任助教授，教授电子商务和国际零售课程。回国后就职于某外资市场研究和咨询公司。 张黎教授主要从事市场营销管理和消费行为领域的教学与研究，已在国内外学术刊物上发表相关领域论文多篇。 现任 北京大学国家发展研究院副院长、北大国际BiMBA院长 中国高校市场学学会理事 中国商业联合会专家委员会委员 《南开管理评论》《营销科学学报》等学术期刊评审 中国品牌研究中心顾问 教授的课程及研究领域 1) 目前教授的课程：硕/博研究生—文献综述和定量研究方法；EMBA/MBA—营销管理；本科生—市场营销管理 2) 目前研究领域：消费者行为，特别是从消费者角度进行的品牌延伸研究和消费者感知模式等；营销渠道成员关系 教育背景 1）博士：1996-1999年，专业：国际商务，美国俄亥俄州立大学商学院和人类生态学院 博士论文：从力量理论(Power Theory) 看进口品牌服装在中国的行销渠道 2）博士在读，1995-1996年（于1996年6月转学至美国俄亥俄州立大学） 专业：零售管理和消费者行为。消费者与工业服务管理系，美国田纳西州立大学 3）硕士：1992-1995年，中国人民大学商品学系，商品学专业（导师：张大力教授）4）学士：1985-1989年，天津工业大学，纺织工程专业 工作经历 1）教授：北京大学国家发展研究院，中国经济研究中心，北大国际MBA * 指导硕、博士研究生、教授MBA/EMBA和本科生相关课程， * 进行学术研究工作，并参与和领导两个研究中心（中国经济研究中心－奥美品牌研究中心以及北京大学直销研究中心）的研究工作 * 承担一些教学服务工作，如招生等。 2）高级业务经理：香港亚洲讯息有限公司（香港上市公司），2000年9月－2001年11月 * 创建一个市场研究队伍，领导市场研究队伍进行行业/产品方面的市场研究 3）助教授（tenure track）：专业于电子商务和国际零售，隶属商学院，新闻学院，政治学院，人类生态学院和经济学院联合组成的跨行业研究组，美国密苏里（州立）大学，
复习要点 绪论 1、举出日常生活或技术、学术领域中应用模式识别理论解决问题的实例。 答：我的本科毕设内容和以后的研究方向为重症监护病人的状态监测与预诊断，其中的第一步就是进 行ICU病人的死亡率预测，与模式识别理论密切相关。主要的任务是分析数据库的8000名ICU病人，统计 分析死亡与非死亡的生理特征，用于分析预测新进ICU病人的病情状态。 按照模式识别的方法步骤，首先从数据库中采集数据，包括病人的固有信息，生理信息，事件信息等并分为死亡组和非死亡组，然后分别进行数据的预处理，剔除不正常数据，对数据进行插值并取中值进行第一次特征提取，然后利用非监督学习的方法即聚类分析进行第二次特征提取，得到训练样本集和测试样本集。分别利用判别分析，人工神经网络，支持向量机的方法进行训练，测试，得到分类器，实验效果比传统ICU 中采用的评价预测系统好一些。由于两组数据具有较大重叠，特征提取，即提取模式特征就变得尤为重要。语音识别，图像识别，车牌识别，文字识别，人脸识别，通信中的信号识别； ① 文字识别 汉字已有数千年的历史，也是世界上使用人数最多的文字，对于中华民族灿烂文化的形成和发展有着不可 磨灭的功勋。所以在信息技术及计算机技术日益普及的今天，如何将文字方便、快速地输入到计算机中已 成为影响人机接口效率的一个重要瓶颈，也关系到计算机能否真正在我过得到普及的应用。目前，汉字输 入主要分为人工键盘输入和机器自动识别输入两种。其中人工键入速度慢而且劳动强度大；自动输入又分 为汉字识别输入及语音识别输入。从识别技术的难度来说，手写体识别的难度高于印刷体识别，而在手写 体识别中，脱机手写体的难度又远远超过了联机手写体识别。到目前为止，除了脱机手写体数字的识别已 有实际应用外，汉字等文字的脱机手写体识别还处在实验室阶段。 ②语音识别 语音识别技术技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人 工智能等等。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便性、经济性和准确性等优势 受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的安验证方式。而且利用基因算法训练连续 隐马尔柯夫模型的语音识别方法现已成为语音识别的主流技术，该方法在语音识别时识别速度较快，也有 较高的识别率。 ③ 指纹识别 我们手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图案。而这些皮肤的 纹路在图案、断点和交叉点上各不相同，是唯一的。依靠这种唯一性，就可以将一个人同他的指纹对应起 来，通过比较他的指纹和预先保存的指纹进行比较，便可以验证他的真实身份。一般的指纹分成有以下几 个大的类别:环型(loop),螺旋型(whorl),弓型(arch),这样就可以将每个人的指纹分别归类，进行检索。指 纹识别基本上可分成：预处理、特征选择和模式分类几个大的步骤。 ③ 遥感 遥感图像识别已广泛用于农作物估产、资源勘察、气象预报和军事侦察等。 ④医学诊断 在癌细胞检测、X射线照片分析、血液化验、染色体分析、心电图诊断和脑电图诊断等方面，模式识别已取 得了成效。
2.1图像模式识别的方法 图像模式识别的方法很多，从图像模式识别提取的特征对象来看，图像识别方法可分为以下几种：基于形状特征的识别技术、基于色彩特征的识别技术以及基于纹理特征的识别技术。其中，基于形状特征的识别方法，其关键是找到图像中对象形状及对此进行描述，形成可视特征矢量，以完成不同图像的分类，常用来表示形状的变量有形状的周长、面积、圆形度、离心率等。基于色彩特征的识别技术主要针对彩色图像，通过色彩直方图具有的简单且随图像的大小、旋转变换不敏感等特点进行分类识别。基于纹理特征的识别方法是通过对图像中非常具有结构规律的特征加以分析或者则是对图像中的色彩强度的分布信息进行统计来完成。 从模式特征选择及判别决策方法的不同可将图像模式识别方法大致归纳为两类:统计模式(决策理论)识别方法和句法(结构)模式识别方法。此外，近些年随着对模式识别技术研究的进一步深入，模糊模式识别方法和神经网络模式识别方法也开始得到广泛的应用。在此将这四种方法进行一下说明。 2.1.1句法模式识别 对于较复杂的模式，如采用统计模式识别的方法，所面临的一个困难就是特征提取的问题，它所要求的特征量十分巨大，要把某一个复杂模式准确分类很困难，从而很自然地就想到这样的一种设计，即努力地把一个复杂模式分化为若干
较简单子模式的组合，而子模式又分为若干基元，通过对基元的识别，进而识别子模式，最终识别该复杂模式。正如英文句子由一些短语，短语又由单词，单词又由字母构成一样。用一组模式基元和它们的组成来描述模式的结构的语言，称为模式描述语言。支配基元组成模式的规则称为文法。当每个基元被识别后，利用句法分析就可以作出整个的模式识别。即以这个句子是否符合某特定文法，以判别它是否属于某一类别。这就是句法模式识别的基本思想。 句法模式识别系统主要由预处理、基元提取、句法分析和文法推断等几部分组成。由预处理分割的模式，经基元提取形成描述模式的基元串（即字符串）。句法分析根据文法推理所推断的文法，判决有序字符串所描述的模式类别，得到判决结果。问题在于句法分析所依据的文法。不同的模式类对应着不同的文法，描述不同的目标。为了得到于模式类相适应的文法，类似于统计模式识别的训练过程，必须事先采集足够多的训练模式样本，经基元提取，把相应的文法推断出来。实际应用还有一定的困难。 2.1.2统计模式识别 统计模式识别是目前最成熟也是应用最广泛的方法，它主要利用贝叶斯决策规则解决最优分类器问题。统计决策理论的基本思想就是在不同的模式类中建立一个决策边界，利用决策函数把一个给定的模式归入相应的模式类中。统计模式识别的基本模型如图2，该模型主要包括两种操作模型：训练和分类，其中训练主要利用己有样本完成对决策边界的划分，并采取了一定的学习机制以保证基于样本的划分是最优的;而分类主要对输入的模式利用其特征和训练得来的决策函数而把模式划分到相应模式类中。 统计模式识别方法以数学上的决策理论为基础建立统计模式识别模型。其基本模型是:对被研究图像进行大量统计分析，找出规律性的认识，并选取出反映图像本质的特征进行分类识别。统计模式识别系统可分为两种运行模式:训练和分类。训练模式中，预处理模块负责将感兴趣的特征从背景中分割出来、去除噪声以及进行其它操作;特征选取模块主要负责找到合适的特征来表示输入模式;分类器负责训练分割特征空间。在分类模式中，被训练好的分类器将输入模式根据测量的特征分配到某个指定的类。统计模式识别组成如图2所示。
模式识别研究进展 摘要：自20 世纪60年代以来，模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。本文先简要回顾模式识别领域的发展历史和主要方法的演变，然后围绕模式分类这个模式识别的核心问题，就概率密度估计、特征选择和变换、分类器设计几个方面介绍近年来理论和方法研究的主要进展，最后简要分析将来的发展趋势。 1. 前言 模式识别（Pattern Recognition）是对感知信号（图像、视频、声音等）进行分析，对其中的物体对象或行为进行判别和解释的过程。模式识别能力普遍存在于人和动物的认知系统，人和动物获取外部环境知识，并与环境进行交互的重要基础。我们现在所说的模式识别一般是指用机器实现模式识别过程，是人工智能领域的一个重要分支。早期的模式识别研究是与人工智能和机器学习密不可分的，如Rosenblatt 的感知机和Nilsson 的学习机就与这三个领域密切相关。后来，由于人工智能更关心符号信息和知识的推理，而模式识别更关心感知信息的处理，二者逐渐分离形成了不同的研究领域。介于模式识别和人工智能之间的机器学习在20 世纪80 年代以前也偏重于符号学习，后来人工神经网络重新受到重视，统计学习逐渐成为主流，与模式识别中的学习问题渐趋重合，重新拉近了模式识别与人工智能的距离。模式识别与机器学习的方法也被广泛用于感知信号以外的数据分析问题（如文本分析、商业数据分析、基因表达数据分析等），形成了数据挖掘领域。模式分类是模式识别的主要任务和核心研究内容。分类器设计是在训练样本集合上进行优化（如使每一类样本的表达误差最小或使不同类别样本的分类误差最小）的过程，也就是一个机器学习过程。由于模式识 别的对象是存在于感知信号中的物体和现象，它研究的内容还包括信号/图像/ 视频的处理、 分割、形状和运动分析等，以及面向应用（如文字识别、语音识别、生物认证、医学图像分析、遥感图像分析等）的方法和系统研究。 本文简要回顾模式识别领域的发展历史和主要方法的演变，介绍模式识别理论方法研究的最新进展并分析未来的发展趋势。由于Jain 等人的综述[3] 已经全面介绍了2000 年以前模式分类方面的进展，本文侧重于2000 年以后的研究进展。 2. 历史回顾 现代模式识别是在20 世纪40 年代电子计算机发明以后逐渐发展起来的。在更早的
国家重点实验室建设申请报告 （格式） 实验室名称： 申报方向： 依托单位： 主管部门： 通讯地址： 邮政编码： 联系人： 联系电话： 手机： 传真： 电子邮件： 填报时间： 中华人民共和国科学技术部 二○一四年制
一、实验室信息简表 元 ）
二、依托单位信息简表
三、建设实验室的目的、意义（包括实验室建成后对国家和依托单位的作用、贡献等） 四、国内外该领域最新进展，发展趋势、应用前景 五、实验室研究方向和主要研究内容 六、实验室现有研究工作的基础、水平（国内外影响和地位；近5年承担的重大科研任务和取得的代表性科研成果；在推动技术发展、解决国家经济和社会发展重大关键问题等方面的贡献） 七、科研队伍状况及培养人才的能力（队伍规模和结构的总体情况、现任实验室主任和学术带头人的简介及其代表性成果，高水平人才的培养和引进，博士后工作（流动）站及研究生培养情况） 八、已具备的科研条件（科研用房、仪器设备、配套设施） 九、开放合作与运行管理情况（开放合作、日常运行管理、人员聘用及流动、仪器设备管理与使用） 十、主要工作规划、预期目标与水平（从研究内容、科研条件、人才队伍、开放合作与运行管理等方面阐述） 十一、实验室依托单位意见（包括建设经费和运行费支持额度等） 十二、主管部门意见（包括建设经费和运行费支持额度等） 附件1．实验室现有固定人员名单（列出姓名、性别、出生年月、职称、研究方向或专业等主要信息，研究、技术和管理人员分别排列）附件2．实验室主要仪器设备清单 附件3．实验室近5年来承担的重要科研项目清单 附件4．实验室近5年来重要获奖清单
附件5．实验室近5年来重要学术专着、论文、发明专利、标准等科研成果清单（其中专着不超过10部，论文不超过50篇）
北京大学国家发展研究院经济学双学位谈 记得大一刚入学的时候,师兄师姐们是这么对我们说的:“你要想以后继续做化学,要不然就不修双要不然就修数双。你以后要想转行,就去修经双。”现在想起来,这样的说法虽然从某种程度上讲是正确的,是有道理的,但我从现在看来,总有种深深的不安感。最近在审查校外双学位报名同学的资料,很多同学在个人陈述这一栏里都是这么写的,诸如“经济学是当今社会的第一学科”、“我从小就特别热爱经济学”、“我在我们学校修读了 XX 经济学课程, 从此对经济学产生了浓厚的兴趣”云云。我并不是要对这些想法有什么否定,但我只是想要说,大家想要修读经济学双学位,到底只是随大流呢,还是真是如上所述,“对经济学有着浓厚的兴趣”?更有很多学校的主修专业就是经济的、金融的,想要来报考双学位,当然这些人是不具备报名资格条件的,但是,我想表达的东西应该不需要明说吧? 我肯定不是要劝退,只是希望大家在做出选择之前多想清楚。就我个人而言,我承认,我大一时就属于浑浑噩噩地随大流报了经双,一直那么水水地学着,直到大三快结束时决定放弃化学了,才开始对经济学有了点真正的了解。即使是现在,要问我对经济学有兴趣吗,我真心说不清。但是至少,我觉得学习经济学能让我感到自身的知识储备增长率远高于学化学时的感觉。为什么会这样?我认为经济学毕竟是一门社会科学,这个社会所发现的任何现象其实都可能纳入经济学的范畴,因此你需要里了解掌握有关你身边的任何事情,这样你就不能将自己局限于某个狭小的领域。而理科的学习,最终的归宿大多是在某个小领域努力钻研以求突破(当然对于真正的牛人来说学什么都是相通的。我喜欢这种每天都在学习,都能有新收获的感觉。 经双能给你提供的,就是这么样一种视角。虽然考虑到这样一个项目在全校的覆盖范围如此之广,因此不可能全部设置那种阳春白雪式的课程,但即使是那些并不需要太深的知识储备就能够理解的课程,也会在一个学期的学习中给你提供一个全新的思考方式,诸如我上过的法律经济学、“人文与社会”跨学科讲座,以及旁听过的大国国家发展战略,都是这么样的一些课程。当然还有一些理论性非常强,非常具有挑战性的课程,如每学期考试下来都会哀鸿遍野的计量经济学,以及我旁听过半个学期最后因为只是上课干听课下没有花时间研究而跟不上的金融计量,都是这样的课
人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式作出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术，如向前看几步，并把困难的问题分成一些比较容易的子问题，发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起，其性能达到很高的水平，并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法，只把注意力集中在一个大型数据库中的有关事实上，留意可信的证明，并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证，确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力，而且需要某些直觉技巧。 1976年7月，美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机，花去1200小时CPU时间，并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一，已经编写出能够从内部数据库回答用英语提出的问题的程序，这些程序通过阅读文本材料和建立内部数据库，能够把句子从一种语言翻译为另一种语言，执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是：在翻译句子时，以主题和对话情况为基础，注意大量的一般常识--世界知识和期望作用的重要性。
XXX大学 课程设计报告书 课题名称模式识别 姓名 学号 院、系、部 专业 指导教师 xxxx年 xx 月 xx日
模式识别方法简述 摘要：模式识别(Pattern Recognition)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。 关键词：模式识别; 模式识别方法; 统计模式识别; 模板匹配; 神经网络模式识别 模式识别(Pattern Recognition)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2 0 世纪4 0 年代计算机的出现以及5 0 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2 0 世纪6 0 年代初迅速发展并成为一门新学科。 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。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。 模式识别是一种借助计算机对信息进行处理、判别的分类过程。判决分类在
模式识别与智能系统 （081104） 一、培养目标 培养热爱祖国，拥护中国共产党的领导，拥护社会主义制度，遵纪守法，品德良好，具有服务国家、服务人民的社会责任感，掌握本学科坚实的基础理论和系统的专业知识，具有创新精神、创新能力和从事科学研究、教学、管理等工作能力的高层次学术型专门人才。 模式识别与智能系统是20世纪60年代以来在信号处理、人工智能、控制论、计算机技术等学科基础上发展起来的新型学科。该学科以各种传感器为信息源，以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统性能。模式识别与智能系统是一门理论与实际紧密结合，具有广泛应用价值的控制科学与工程的重要学科分支。 本学科培养德智体全面发展，具有坚实和系统的模式识别与智能系统理论知识和实践技能，了解模式识别与智能系统学科发展的前沿和动态，能够适应我国经济、科技、教育发展需要，面向二十一世纪的科学研究、工程技术和高等教育的高层次人才。学位获得者业务上应具有具备从事在本学科及相关学科领域独立开发研究工作的能力，注意理论联系实际，能够分析和解决现代经济建设和交叉学科中涌现出的新课题；能够熟练利用计算机解决本学科的有关问题；较为熟练地掌握一门外国语；具有健康的体格。 二、研究方向 （一）智能机器人系统 主要进行智能机器人控制与决策系统的研究与开发，包括自主移动机器人、特种机器人、服务机器人、工业机器人等内容。机器人的自主定位、导航、避障与多机器人协调控制为主要研究方向。 （二）系统仿真技术与应用 主要研究方向为控制系统仿真与计算机辅助设计、半实物仿真与实时控制、分数阶与网络控制系统仿真、系统建模校验与验证及仿真算法和高层体系结构理论与应用技术、工业过程建模仿真和提高控制效果与系统性能的方法研究。 （三）图像处理与计算机视觉 研究图像信息获取、处理、分析、理解与识别分类等理论与技术，研究图像处理技术在医学影像处理、动态目标识别与跟踪、智能交通系统、军事等领域的工程应用问题。 （四）建筑智能化技术 本方向以建筑智能化技术为背景，主要研究智能建筑系统集成理论与技术、
武汉理工大学 模式识别及其在图像处理中的应用 学院（系）：自动化学院 课程名称：模式识别原理 专业班级：控制科学与工程1603班 任课教师：张素文 学生姓名：王红刚 2017年1月3日
模式识别及其在图像处理中的应用 摘要:随着计算机和人工智能技术的发展,模式识别在图像处理中的应用日益广泛。综述了模式识别在图像处理中特征提取、主要的识别方法(统计决策法、句法识别、模糊识别、神经网络)及其存在的问题, 并且对近年来模式识别的新进展———支持向量机与仿生模式识别做了分析和总结, 最后讨论了模式识别亟待解决的问题并对其发展进行了展望。 关键词:模式识别;图像处理;特征提取;识别方法 Pattern Recognition and Its Application in Image Processing Abstract:With the development of computer and artificial intelli-gence , pattern recognition is w idely used in the image processing in-creasingly .T he feature extraction and the main methods of pattern recognition in the image processing , w hich include statistical deci-sion, structural method , fuzzy method , artificial neural netw ork aresummarized.T he support vector and bionic pattern recognition w hich are the new developments of the pattern recognition are also analyzed .At last, the problems to be solved and development trends are discussed. Key words:pattern recognition ;image processing ;feature extrac-tion;recognition methods
模式识别发展及现状综述 xxx （xxxxxxxxxxxxxxxxxxx） 摘要 [摘要]：通过对模式识别的发展及现状进行调查研究，了解到模式识别的理论和方法在很多科学和技术领域中得到了广泛的应用，极大的推动了人工智能系统的发展，同时扩大了计算机应用的可能性。模式识别 的研究主要集中在研究生物体(包括人)是如何感知对象的，以及在给定的任务下，如何用计算机实现模式 识别的理论和方法。本文详细的阐述了模式识别系统的组成结构以及模式识别的现状并展望了未来的模式 识别的发展趋势。 [关键词]：模式识别;模式识别的应用 Abstract [Abstract]:through the investigation and Study on the present situation and development of pattern recognition, knowing that the theory and method of pattern recognition has been widely used in many fields of science and technology and greatly promoting the development of artificial intelligence systems as well as expanding the fields of computer applied to.The research of pattern recognition mainly concentrated on the research of the theory and method of pattern recognition which how the organisms(including humans)to perceive objects as well as,in a given task,how to realize the pattern recognition with computer.This paper expounds the present situation and system structure of the pattern recognition as well as prospects the development trend in the future of pattern recognition. [keyword]:pattern recognition;pattern recognition applications 1前言 模式识别诞生于20世纪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年代初迅速发展成一门学科。什么是模式和模式识别呢？广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式；狭义地说，模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息；把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)[1]。而“模式识别”则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。 经过多年的研究和发展，模式识别技术已广泛被应用于人工智能、计算机工程、机器人学、神经生物学、医学、侦探学以及高能物理、考古学、地质勘探、宇航科学和武器技术等许多重要领域，如语音识别、语音翻译、人脸识别、指纹识别、生物认证技术等。模式识别的技术对国民经济建设和国防科技发展的重要性已得到了人们的认可和广泛重视。本文将就模式识别所涉及的基本问题、研究的领域及其当前进展现状进行详细的介绍，并对模式识别的发展趋势进行展望。 2模式识别 2.1模式识别系统 一个计算机模式识别系统基本上是由三个相互关联而又有明显区别的过程组成的，即数据生成、模式分析和模式分类。有两种基本的模式识别方法，即统计模式识别方法和结构