项目名称：中草药微量活性物质识别与获取关键技术与应用
申报奖种：科学技术进步奖
完成单位：中国医学科学院药物研究所,北京科莱博医药开发有限责任公司
完成人：庾石山,石建功,张东明,于德泉,陈晓光,张建军,王珂,申竹芳,马双刚, 屈晶,林生,徐嵩,李勇,吕海宁,李创军
项目简介: 寻找中草药有效成分一直是现代中草药研究的核心。我们发现，某些中药的个别微量成分显示出显著的药理活性与独特的化学结构。然而，这些微量成分是否是有效成分、能否代表该中药的特定功效呢？为此，我们在国家首批973计划项目、国家“重大新药创制”重大专项、国家自然科学基金重点项目等5项课题支持下，历经13年，围绕中药微量药效成分的寻找、获取、评价、确定等关键问题开展研究，取得了以下研究成果：
1. 建立了中草药微量活性物质识别、评价与获取的系列关键技术
建立了中草药大规模样品快速制备技术，组合闪式色谱快速剔除杂质和常量成分、富集微量成分技术，微量活性物质识别、锁定与获取技术，实现了中草药微量活性成分的高效识别、快速锁定和定向获取，为揭示中草药微量活性物质在中药（复方）中的关键药效作用，以及进一步全面、系统地认识中草药药效物质提供了强有力的技术支撑。
2.获得了50余种中草药的微量成分及其组分，包括400余个微量化合物，其中活性化合物100余个，活性组分5个。有6个微量活性化合物被国际权威期刊Nat.Prod.Rep.(IF:10.1)遴选为热点报道，其入选代表本领域的国际领先水平。
3.发现了10种中草药的20余种（类）微量关键药效物质。如天麻，过去一直认为其镇静催眠有效成分为天麻素（含量千分之二），但我们发现，其关键药效物质为微量成分天麻腺苷，含量虽仅为百万分之四，但药效是天麻素的1000倍；单刀根散瘀消肿的药效物质不清楚。我们从中获得的微量间苯三酚类新结构化合物Lysidisides A和B显示了强的血管内皮保护作用，并呈现良好的量效关系，为创制新型的治疗心脑血管疾病药物提供新的源头分子。这些关键药效物质的发现为中药新药创制奠定了基础，开辟了中草药研究的新领域。
4.遴选出5个创新药物先导化合物和5个中药有效组分，其中2个先导化合物和1个有效组分获"国家重大新药创制"重大专项支持，获临床研究批件1个。在基于微量活性物质的创新药物研究中起到了引领和示范作用。
获国家发明专利8项，国际专利1项（美国、加拿大等7国授权）。发表论文98篇，其中SCI论文83篇，包括在国际天然药物领域TOP5的杂志33篇，如Org. Lett., J. Nat. Prod., Phytochemistry等；他引600余次，其中Chem. Rev., Nat. Prod. Rep.等国际顶级综述性杂志引用40余次，10篇代表性论文他引227次，单篇最高他引58次。
3种创新药物实现了技术转让，合同金额6600万元；13家中药企业应用本成果建立的技术，解决了中成药中微量药效物质的阐明、微量毒性成分质量控制及限度检查等以往难以解决的问题，保证了产品质量，其中2家企业的代表性产品年销售额由1700余万元增加至1.7亿元。
本成果解决了中草药微量药效物质高效识别、快速锁定与定向获取的技术难题，科学诠释了中草药微量药效物质的关键作用，开辟了中药研究的新领域，丰富了对中药药效物质的认识，具有重要的理论意义与应用价值。
授权发明专利目录：
知
识
产
权类别知识产权具体名称
国家
（地
区）
授权号
授权
日期
证书
编号
权利人发明人
授权
发明专利茵芋甙在制备预防、治
疗肾功能不全药物中的
应用.
中国ZL200310100220.3
2006-
05-17
265063
中国医学
科学院药
物研究所
张东明；陈晓
光；杨敬芝；
李燕
授权
发明专利圆锥绣球有效部位、其
制备方法及其组合物与
用途.
中国ZL200410034068.8
2010-
01-27
593706
中国医学
科学院药
物研究所；
北京协和
药厂
张东明；陈晓
光；杨敬芝；
李燕；郑旭光
授权
发明专利圆锥绣球有效部位、其
制备方法及其组合物与
用途.
中国ZL200910254316.2
2011-
06-29
802807
北京协和
药厂；中国
医学科学
院药物研
究所
张东明；陈晓
光；杨敬芝；
李燕；郑旭光
授权
发明专利用于防治老年痴呆的天
麻植物提取物及制备方
法.
中国ZL200510128785.1
2011-
01-19
729741
北京科莱
博医药开
发有限责
任公司
王珂；石建
功；刘晔；赵
立敏；张猛；
谭晓川
授
权发明专利丁二酸衍生物酯类治疗
痴呆症的用途(The use
of succinate derivative
esters for the treatment of
dementia)
美国US7557089B2
2009-
07-07
/
中国医学
科学院药
物研究所
张建军；石建
功；王亚芳；
张丹；高梅；
杨永春；黄胜
阳
授权发明丁二酸衍生物酯类治疗
痴呆症的用途(The use
of succinate derivative
esters for the treatment of
俄罗
斯
2005124275
2008-
08-27
2334524
中国医学
科学院药
物研究所
张建军；石建
功；王亚芳；
张丹；高梅；
杨永春；黄胜
专
利
dementia) 阳授
权发明专利丁二酸衍生物酯类治疗
痴呆症的用途(The use
of succinate derivative
esters for the treatment of
dementia)
日本4880223
2011-
12-09
2004-562475
中国医学
科学院药
物研究所
张建军；石建
功；王亚芳；
张丹；高梅；
杨永春；黄胜
阳
授权
发明专利13a-(S)去氧娃儿藤宁衍
生物、其制法和药物组
合物与用途
中国
ZL20108
0000786.7
2010-
03-02
1264543
中国医学
科学院药
物研究所
庾石山；陈晓
光；吕海宁；
刘振佳；徐
嵩；马双刚
授
权发明专利含有丁二酸衍生物酯类
化合物凹舌兰提取物在
制备用于治疗痴呆症的
药物中的用途
中国ZL200710084699.4
2010-
05-26
627224
中国医学
科学院药
物研究所
张建军；石建
功；王亚芳；
张丹；高梅；
杨永春；黄胜
阳
授权
发明专利丁二酸衍生物酯类化合
物在制备治疗痴呆症的
药物中的用途.
中国ZL200380107864.3
2008-
08-27
422745
中国医学
科学院药
物研究所
张建军；石建
功；王亚芳；
张丹；高梅；
杨永春；黄胜
阳
承诺：上述知识产权用于报奖的情况，已征得未列入项目主要完成人的权利人（发明专利指发明人）
的同意。
主要论文著作目录：
1. Hu You-Cai, Wu Xian-Fu, Gao Song, Yu Shi-Shan*, Liu Yue, Qu Jing, Liu Jing, Liu Yun-Bao. Novel phloroglucinol derivatives from the roots of Lysidice rhodostegia. Org. Lett. 2006, 8 (11): 2269-227
2.
2. Wang, Su-Juan; Lin, Sheng; Zhu, Cheng-Gen; Yang, Yong-Chun; Li, Shuai; Zhang, Jian-Jun; Chen, Xiao-Guang; Shi, Jian-Gong*. Highly Acylated Diterpenoids with a New 3,4-Secograyanane Skeleton from the Flower Buds of Rhododendron molle. Org. Lett. 2010, 12(7), 1560-1563
3. Fu, Hui-Zheng; Luo, Yong-Ming; Li, Chuang-Jun; Yang, Jing-Zhi; Zhang, Dong-Ming*. Psidials A-C, Three Unusual Meroterpenoids from the Leaves of Psidium guajava L. Org. Lett. 2010, 12(4), 656-659
4. Liu, Ming-Tao; Lin, Sheng; Wang, Ying-Hong; He, Wen-Yi; Li, Shuai; Wang, Su-Juan; Yang,
Yong-Chun; Shi, Jian-Gong*. Two novel glycosidic triterpene alkaloids from the stem barks of Machilus yaoshansis. Org. Lett. 2007, 9(1), 129-132
5. Wang, Yin; Mo, Shun-Yan; Wang, Su-Juan; Li, Shuai; Yang, Yong-Chun; Shi, Jian-Gong*. A unique highly oxygenated pyrano[4,3-c][2]benzopyran-1 6-dione derivative with antioxidant and cytotoxic activities from the fungus Phellinus igniarius. Org. Lett. 2005, 7(9), 1675-1678
6. Liu, Yuan-Yan; Li, Jian-Bei; He, Jiu-Ming; Abliz, Zeper; Qu, Jing; Yu, Shi-Shan*; Ma, Shuang-Gang; Liu, Jing; Du, Dan. Identification of new trace triterpenoid saponins from the roots of Panax notoginseng by
high-performance liquid chromatography coupled with electrospray ionization tandem mass spectrometry. Rapid Commun. Mass Spectrom. 2009, 23(5), 667-679
7. Li, Chuang-Jun; Zhang, Dong-Ming*; Luo, Yong-Ming; Yu, Shi-Shan; Li, Yan; Lu, Yang.
Bis-sesquiterpenes and diterpenes from Chloranthus henryi. Phytochemistry 2008, 69(16), 2867-2874
8. Li, Yuan; Zhang, Dong-Ming*; Li, Jian-Bai; Yu, Shi-Shan; Li, Yan; Luo, Yong-Ming. Hepatoprotective sesquiterpene glycosides from Sarcandra glabra. J. Nat. Prod. 2006, 69(4), 616-620
9. Mo, Shun-Yan; Wang, Su-Juan; Zhou, Guang-Xiong; Yang, Yong-Chun; Li, Yan; Chen, Xiao-Guang; Shi, Jian-Gong*. Phelligridins C-F: Cytotoxic pyrano[4,3-c][2]benzopyran-1,6-dione and furo[3,2-c]pyran-4-one derivatives from the fungus Phellinus igniarius. J. Nat. Prod. 2004, 67(5), 823-828
10. Wang, Si; Zhang, Yan-Jun; Chen, Ruo-Yun; Yu, De-Quan*. Goniolactones A-F, six new styrylpyrone derivatives from the roots of Goniothalamus cheliensis. J. Nat. Prod. 2002, 65(6), 835-841
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
什么是模式识别 1 模式识别的概念 模式识别[8]是一种从大量信息和数据出发，在专家经验和已有认识的基础上，利用计算机和数学推理的方法对形状、模式、曲线、数字、字符格式和图形自动完成识别的过程。模式识别包括相互关联的两个阶段，即学习阶段和实现阶段，前者是对样本进行特征选择，寻找分类的规律，后者是根据分类规律对未知样本集进行分类和识别。广义的模式识别属计算机科学中智能模拟的研究范畴，内容非常广泛，包括声音和语言识别、文字识别、指纹识别、声纳信号和地震信号分析、照片图片分析、化学模式识别等等。计算机模式识别实现了部分脑力劳动自动化。 模式识别－－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、文字、符号、三位物体和景物以及各种可以用物理的、化学的、生物的传感器对对象进行测量的具体模式进行分类和辨识。 模式识别问题指的是对一系列过程或事件的分类与描述，具有某些相类似的性质的过程或事件就分为一类。模式识别问题一般可以应用以下4种方法进行分析处理。 统计模式识别方法：统计模式识别方法是受数学中的决策理论的启发而产生的一种识别方法，它一般假定被识别的对象或经过特征提取向量是符合一定分布规律的随机变量。其基本思想是将特征提取阶段得到的特征向量定义在一个特征空间中，这个空间包含了所有的特征向量，不同的特征向量，或者说不同类别的对象都对应于空间中的一点。在分类阶段，则利用统计决策的原理对特征空间进行划分，从而达到识别不同特征的对象的目的。统计模式识别中个应用的统计决策分类理论相对比较成熟，研究的重点是特征提取。 人工神经网络模式识别：人工神经网络的研究起源于对生物神经系统的研究。人工神经网络区别于其他识别方法的最大特点是它对待识别的对象不要求有太多的分析与了解，具有一定的智能化处理的特点。 句法结构模式识别：句法结构模式识别着眼于对待识别对象的结构特征的描述。 在上述4种算法中，统计模式识别是最经典的分类识别方法，在图像模式识别中有着非常广泛的应用。 2 模式识别研究方向 模式识别研究主要集中在两方面，即研究生物体（包括人）是如何感知对象的，属于认知科学的范畴，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。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着近几十年来的努力，已经取得了系统的研究成果。 一个计算机模式识别系统基本上事有三部分组成的[11]，即数据采集、数据处理和分类决策或模型匹配。任何一种模式识别方法都首先要通过各种传感器把被研究对象的各种物理变量转换为计算机可以接受的数值或符号（串）集合。习惯上，称这种数值或符号（串）所组成的空间为模式空间。为了从这些数字或符号（串）中抽取出对识别有效的信息，必须对它进行处理，其中包括消除噪声，排除不相干的信号以及与对象的性质和采用的识别方法密切相关的特征的计算（如表征物体的形状、周长、面积等等）以及必要的变换（如为得到信号功率谱所进行的快速傅里叶变换）等。然后通过特征选择和提取或基元选择形成模式的特
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，
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：
化学模式识别在生药鉴别和质量评价中的应用 摘要：化学模式识别是物以类聚,同类或相似的样本间的距离较近,不同类的/样本间的距离应较远。这样可以根据各样本的距离或距离的函数来判别、分类,并利用分类的结果预报未知。模式识别属于多变量数值分析方法,它是借助于计算机来揭示隐含于事物内部规律的一种综合技术，是用现代分离分析检测方法对中药材或药品样本中的有机或无机的药用化学成分进行检测,用化学计量学方法关联检测数据阵,确定可用于样品质量控制的模式,通过上述方法进行整体分析、分类和描述来对未知样本进行识别。 关键词:聚类分析法、主成分分析法、矩阵、空间 模式识别(pattern recognition)是一门用机器代替人对模式即所研究的事物进行分析、描述、判断和识别的技术[1]。它的中心任务就是要识别出某个样本与哪一种模式(样本)相同或相近,即在一定的度量和观测的基础上把待识别的模式划分到各自模式类中。模式识别可分为基于统计学习理论的统计模式识别和基于语法的结构模式识别。统计模式识别是目前最成熟也是应用最广泛的方法。以完成识别过程的方式而论,模式识别又可分为两个系统:有监督学习系统和无监督学习系统。有监督学习系统要运用一组已知其类别的样本进行训练(或学习)获得分类准则,再利用准则来判别未知模式所属的类别。常用的方法有: SIMCA法(Simple classification algorithm,简单分类法)、Bayes判别、逐步判别分析(Step-wise discriminate analysis, STEPDA)、人工神经网络(Artificial neural networks,ANN)等。而无监督学习系统则是把模式划分到目前为止仍然未知的类别中,即无须预先知道模式所属的类别。其中最重要的一种就是聚类分析的方法。如系统聚类分析(Hierarchical clustering analysis)、模糊聚类分析(Fuzzy clustering analysis)等。 化学模式识别(chemical pattern recognition)最早出现在20世纪20年代,模式识别方法于60年代末被引入化学领域。它建立于一个十分直观的基本假设,即物以类聚,同类或相似的样本间的距离较近,不同类的/样本间的距离应较远。这样可以根据各样本的距离或距离的函数来判别、分类,并利用分类的结果预报未知。模式识别属于多变量数值分析方法,它是借助于计算机来揭示隐含于事物内部规律的一种综合技术[5]。化学模式识别方法包括主成分分析(Principle component analysis,PCA)、聚类分析(Cluster analysis,CA)和判别分析(Discriminant analysis,DA)等方法。按照有没有训练可以划分为有监督的模式识别方法(Supervised classification)和无监督的模式识别方法(Unsupervised classification)。前者是事先规定分类的标准和种类的数目,通过大批已知样本的信息处理(称为/训练或/学习)找出规律,再用计算机预报未知[6]。如贝叶斯(Bayes)线性判别法、
中药在日常生活中的应用 学号：20090948 姓名：甘锐利 自古以来，日常生活中，中药在药用、食用、保健中的应用就很广泛，只是现在人们不够注意到而已。例如自古以来，端午节就是我国汉族人民的传统节日，这一天必不可少的活动逐渐演变为吃粽子，赛龙舟，挂菖蒲、蒿草、艾叶，薰苍术、白芷，喝雄黄酒。其中的中草药菖蒲、蒿草、艾叶有驱蚊草的作用，雄黄酒主要用做解毒、杀虫，外用治疗恶疮、蛇虫咬伤，传说可防蛇虫蚁咬伤。这种习俗到现在还有许多地方沿用。或以雄黄酒洒墙壁门窗，饮蒲酒等。端午实在可算是传统的医药卫生节，是人民群众与疾病、毒虫做斗争的节日。今天这些卫生习俗仍然是应发展，并应弘扬传承的。这是古代的中药在日常生活中的应用典例之一。 其实上述的许多中药仍然出现在我们日常生活中，例如艾草。现在人们用得大多是艾条。有关节四肢疼痛，肩周炎,腰肌劳损,腰腿疼痛等症状的，可对相关部位进行熏灸，这被称为艾灸。艾灸乃中国最古老的医术之一，属于医外治物理疗法，它源于远古时代，形成于商周年间，历时几千年。例如在热播的《裸婚时代》里面的男主角刘易阳的父亲刘明有腰腿酸疼，刘明经常拿艾条熏烤腿部。艾灸能使人体全面温通经络，温补元气，调和气血，润泽肤色，散发健康神采。14 仍记得小时候每过端午节，家里的长辈都用艾草沾上雄黄酒涂抹我们的手脚，家里的长辈说能避邪。其实从科学上说，雄黄是剧毒，极少用于内服，倒是用来治疗疥癣恶疮、蛇虫咬伤等，效果较好，现在还沿用。 还有一年一度的腊八，很多地方，特别是北方都有喝腊八粥的习俗。传说腊八粥来自天竺，农历十二月初八是佛陀成道纪念日，俗称“腊八节”，在佛教称“法宝节”。腊八节传入后，已非佛门所有，作为一种民间风俗，农历十二月八日吃腊八粥，用以庆祝丰收，一直流传至今。金庸所著《侠客行》里，就出现了侠客岛每十年邀请天下侠客喝腊八粥的场景。最早的腊八粥是由红小豆煮的，后来演变得逐渐丰富起来。据记载：“腊八粥者，用黄米、白米、江米、小米、菱角米、栗子、红豇豆、去皮枣泥等，合水煮熟，外用染红桃仁、杏仁、瓜子、花
中药材性状鉴别经验术语 中药材经验鉴别术语形象地概括了中药材性状鉴别特点。具有这些特征的药材，一般为正品、真品；而伪品或混淆品则不具备这些特征。 1.一包针：药材千年健根茎的折断面，呈纤维束样外露，形似一包针。 2.大理石纹：某些药材的横断面，具有大理石样的纹理，如槟榔。 3.马牙芦：野山参的芦头上部，芦碗渐疏而大，边缘齐楞，凹下较紧，形如马牙齿状。 4.马头蛇尾瓦楞身：海马头似马头，身体似瓦楞状，尾部似蛇尾。 5.马尾状：白薇根茎下部两侧簇生多数细长的根，形似马的尾巴。 6.马尿气：天麻经水蒸煮时散发的特异气味，味似马尿的臭气。 7.小算盘珠：平贝母的鳞茎呈扁平圆球形，顶平开口见心，底部内陷，形如小算盘珠子。 8.三节芦：野山参芦头的上部为“马牙芦”，中部为“堆花芦”，下部为“圆芦”。 9.车轮纹：药材横切面有较稀疏的放射状结构，呈车轮状纹理，相间排列，如防己。 10.无影纹：羚羊角尖部光润如玉，对光透视可见中心部分有血丝或紫黑色斑纹，无裂。 11.云锦花纹：何首乌的横切面有云朵状花纹。 12.云头鹤茎：某些药材的根茎下部两侧膨大形似如意头，向上渐细如仙鹤的脖子，如白术。 13.凤眼：豹骨的肱骨下端内侧有一狭长形透孔。 14.水波纹：羚羊角外形有10～20个隆起的波状轮环纹。 15.方胜纹：蕲蛇的背部有纵向排列的24个呈“V”形灰白色的花纹。 16.乌鸦头：某些药材的根形似乌鸦的头部，习称“乌鸦头”，如川乌、草乌。 17.乌金衣：牛黄表皮附着的黑色光亮薄膜，形似乌金色。 18.乌云盖顶：羚羊角角尖部分多为黑棕色的盖顶。 19.长嘴：老鹳草的宿存花柱长2～4cm，由下往上卷，形似鹳喙。 20.石榴嘴：山楂的顶端有凸起的残留宿萼，中央凹陷，形似石榴宿萼。 21.皮松肉紧：黄芪的横切面皮部疏松，木部较结实。 22.玉带腰箍：毛慈菇的假球茎中部2～3个稍突起的节环，形似腰间玉带一样。 23.龙头凤尾：药材茎下部留有根须称龙头，茎上端留有半块叶片或叶柄，两者合称“龙头凤尾”，如霍山石斛。 24.白颈：广地龙腹部前端有一条浅色环带(生殖环带)。 25.合把：羚羊角用手握之，四指正好嵌入凹处。 26.芝麻点：天麻表面的退化须根痕，呈断续排列成环的小点。 27.过桥：黄连根茎有一段较细长，其中部分节间光滑如杆。 28.当门子：指麝香香囊中心黑色，有光泽的豆状颗粒。 29.朱砂点：药材横切面上棕红色芝麻点，色如朱砂，如苍术。 30.血丝：羚羊角角尖内部的红色斑纹。 31.同心环：某些药材横断面上的异形维管，排列成数层同心性圆形的环圈纹，如川牛膝。 32.观音坐莲：松贝平放时能端正稳坐，形似观音坐在莲花之上。 33.观音合掌：青贝外层的两瓣鳞叶，大小相近，相对抱合。 34.吐丝：菟丝子水煮后，种皮裂开，伸出黄白色卷旋状的胚，形似春蚕吐丝。 35.吐脂起霜：某些药材干燥后在表面析出的白色物，如苍术。 36.扫帚头：根类药材顶端纤维状毛，形似扫帚头状，如南柴胡等。 37.红小辫：天麻根茎上端的一段红棕色的干枯芽茎。 38.吸盘：动物类药材的吸附器官，多为中间凹陷的圆盘状，如水蛭、蛤蚧等。 39.芦头：根类药材顶端有盘节状短根茎，如桔梗。 40.芦碗：芦头上的半圆形或圆形的碗状茎痕，如人参。 41.连三朵：某些花类药材的花序常2～3朵连生，如款冬花。 42.纱纸皮：熊胆的胆囊皮用手撕之，可分层撕成细丝状，形如纱纸。 43.连珠状：某些根类药材形似串连起来的珠子样，如巴戟天。 44.连珠斑：蕲蛇腹部黑色类圆形斑纹，象连起来的珠子，亦称“念珠斑”。 45.肚脐眼：天麻根茎一端的圆形凹陷疤痕。
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。
DOI?10．13192/j．issn．1000-1719．2016．05．048 葛根和粉葛高效液相色谱指纹图谱及化学模式识别 李生茂1，刘琳2，谭睿3，甄汉深 4 （1.川北医学院药学院，四川南充637000；2.川北医学院附属医院内分泌科， 四川南充637000；3.西南交通大学医学院，四川成都610031；4.广西中医药大学，广西南宁530001） 摘要：目的：建立并比较葛根和粉葛的高效液相色谱（HPLC ）指纹图谱，为其质量控制提供依据。方法：采用 HPLC 法，色谱柱为Kromasil C 18（4.6mm ?200mm ），流动相为乙腈－0.03mol /L 醋酸铵溶液（梯度洗脱），流速为0.9mL /min ，柱温为40?，检测波长为250nm ，进样量为20μL 。收集16批次的葛根和粉葛样品进行测定，采用《中药色谱指纹图谱相似度评价系统2004A 版》软件进行相似度评价，采用聚类分析和主成分分析对指纹图谱进行化学模式识别研究。结果：16批葛根和粉葛药材的指纹图谱有6个共有峰，经对照指认出葛根素、大豆苷、大豆苷元和染料木素的色谱峰。相似度分析结果显示葛根和粉葛的相似度较高，均在0.910以上；聚类分析将葛根和粉葛样品分别归为两类；主成分分析提取得到8个主成分，累计方差贡献率达到93.548%，前3个主成分得分投影结果与聚类分析基本一致。结论：葛根和粉葛所含化学成分既有一定的相似性，也存在一定差异，该方法可作为葛根和粉葛的质量控制及临床应用的依据。 关键词：葛根；粉葛；HPLC 指纹图谱；聚类分析；主成分分析 中图分类号：Ｒ284文献标志码：A 文章编号：1000-1719（2016）05-1034-04HPLC Fingerprint and Chemical Pattern Ｒecognition of Pueraria lobata and Pueraria thomsonii LI Shengmao 1，LIU Lin 2，TAN Ｒui 3，ZHEN Hanshen 4 （1．School of Pharmacy ，North Sichuan Medical College ，Nanchong 637000，Sichuan ，China ；2．Department of Endocrinology ，Affiliated Hospital of North Sichuan Medical College ，Nanchong 637000，Sichuan ，China ；3．Southwest Jiao Tong University ，College of Medicine ，Chengdu 610031，Sichuan ，China ；4．Guangxi University of Chinese Medicine ，Nanning 530001，Guangxi ，China ） Abstract ：Objective ：To establish and compare HPLC fingerprints of Pueraria lobata and Pueraria thomsonii ．Methods ：HPLC was used to analyze16batches of samples．The determination was performed on Kromasil C 18column with mobile phase consisted of acetonitrile －0．03mol /L ammonium acetate with gradient elution at the flow rate of 0．9mL /min．The detection wavelength was 250nm and column temperature was set at 40?．The sample size was 20μL．TCM fingerprint evaluation software （2004edi-tion ）was used to evaluate the similarity of 16batches of samples．Hierarchical cluster analysis （HCA ）and principal component analysis （PCA ）were applied to chemical pattern recognition．Ｒesults ：There were 6common peaks of fingerprints of Pueraria lo-bata and Pueraria thomsonii ．Four components were identified as Puerarin ，Daidzin ，Daidzein and Genistein．The similarities of 16batches of samples were proved to be higher than 0．910．Sixteen batches of Pueraria lobata sample and Pueraria thomsonii ware classified into two groups （Pueraria lobata sample and Pueraria thomsonii sample ）based on HCA．Eight principal components （PC ）were observed via PCA and the values of 8principal components accounted for 93．548%of the total variance．The classifi-cation result according to PCA was consistent with the HCA．Conclusion ：The components of Pueraria lobata and Pueraria thomso-nii are different．The method can be used for identification and quality evaluation of Pueraria lobata and Pueraria thomsonii ． Keywords ：Pueraria lobata ；Pueraria thomsonii ；HPLC fingerprint ；HCA ；PCA 收稿日期：2015－12－09 基金项目：2012年四川省教育厅科研项目（12ZB216） 作者简介：李生茂（1981－），男，四川成都人， 讲师，博士，研究方向：中药药效物质基础及质量标准化研究。 通讯作者：谭睿，教授，博士，研究方向：中药、民族药及复方药效物质基 础及质量标准化研究， E －mail ：93230430@qq．com 。葛根和粉葛分别来源于豆科葛属植物野葛［ Puer-aria lobata （Willd.）ohwi ］和甘葛藤（Pueraria thomso-nii Benth.）的干燥根［1］，长期以来两者均作为葛根药 材使用［2－4］ ，具有解肌退热，生津止渴，透疹，升阳止 泻，通经活络，解酒毒之功效［1］ 。现代研究显示， 葛根和粉葛均含有葛根素、大豆苷和大豆苷元等异黄酮类活性成分，但由于基源的不同，两者所含化学成分及药 理作用存在一定差异 ［5－8］ ，《中华人民共和国药典》从2005年版开始也将葛根和粉葛分别单列。目前，有关葛根和粉葛化学成分比较的研究大多采用紫外光谱法 ［9－11］、红外光谱法［12］、薄层色谱法［13－14］ 、高效液相色谱法 ［5－6，10－11，15－19］ 等对二者的总黄酮等大类成分或部分活性成分的定性或定量的对比，未能更深入对葛根和粉葛药材化学成分异同进行系统比较分析。因于此，本实验采用高效液相色谱法建立葛根和粉葛的指
中药的应用 中药的应用包括配伍.用药禁忌.剂量和用法等内容，掌握这些知识，是确保用药安全有效所必须的. 一配伍 1含义： 所谓中药配伍，即根据病情，治法和药物的性能,选择两种以上药物同用的用药方法. 2目的： 药物配伍应用是中医用药的主要形式，其目的是：增强治疗效能，扩大治疗范围，适应复杂病情，减少不良反应。3内容： （1）七情配伍 A含义所谓“七情配伍”又称配伍七情，药物七情。除“单行”外，皆从双元配伍用药角度，论述单味中药通过简单配伍后的性效变化规律.它高度概括中药临床应用的7中基本规律，是中医遣药组方的基础。 B内容 （1)单价：即应用单味药就能发挥预期治疗效果，不需要其他要辅助，如.独参汤，单用人参一味补气固脱 （2）相须：即性能相似的药物合用，可增强原有疗效，.如石膏配伍知母可增强清热泻火效果等 （3)相使:即性能功效有某种共性的两药同用，一药为主,一
药为辅，辅药能增强主药的疗效，如。。以补气利水的黄芪为主，配以利水健脾的茯苓为辅，茯苓能增强黄芪的补气利水效果等。 (4）相畏:即一种药物的毒性之性，能被另一种药物减轻或消除.如.生半夏的毒性能被生姜减轻或消除，故半夏畏生姜。 （5)相杀：即一种药物能减轻或消除另一种药物的毒性之性.如.生姜能减轻或消除生半夏的毒性，故生姜杀半夏. (6）相恶：即两药合用,一种药物能使另一种药物原有功效降低，甚至丧失.如.。人参恶莱菔子，因莱菔子能消弱人参的补气作用。 （7)相反：即两种药物合用,能生产或增强毒副反应.如。.乌头反半夏.甘草反甘逐等。 如上所述，在药物七情中,论述药物基本配伍关系的只有6项。其中相须，相使表示增效，临床用药要充分利用；相畏。相杀表示减毒，应用毒烈药时需考虑选用；相恶表示减效，用药时应加以注意,相反表示增毒，原则上应绝对禁止。 （二）君臣佐使 1.含义：所谓“君臣佐使”，即从多元用药的角度，论述 各药在方中的地位及配伍后的性能变化规律。它高度概 括了中医遣药组方的原则，是七情配伍的进一步发展，
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
实验1 图像的贝叶斯分类 1.1 实验目的 将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。 1.2 实验仪器设备及软件 HP D538、MATLAB 1.3 实验原理 1.3.1 基本原理 阈值化分割算法是计算机视觉中的常用算法，对灰度图象的阈值分割就是先确定一个处于图像灰度取值范围内的灰度阈值，然后将图像中每个像素的灰度值与这个阈值相比较。并根据比较的结果将对应的像素划分为两类，灰度值大于阈值的像素划分为一类，小于阈值的划分为另一类，等于阈值的可任意划分到两类中的任何一类。此过程中，确定阈值是分割的关键。 对一般的图像进行分割处理通常对图像的灰度分布有一定的假设，或者说是基于一定的图像模型。最常用的模型可描述如下：假设图像由具有单峰灰度分布的目标和背景组成，处于目标和背景内部相邻像素间的灰度值是高度相关的，但处于目标和背景交界处两边的像素灰度值有较大差别，此时，图像的灰度直方图基本上可看作是由分别对应于目标和背景的两个单峰直方图混合构成。而且这两个分布应大小接近，且均值足够远，方差足够小，这种情况下直方图呈现较明显的双峰。类似地，如果图像中包含多个单峰灰度目标，则直方图可能呈现较明显的多峰。 上述图像模型只是理想情况，有时图像中目标和背景的灰度值有部分交错。这时如用全局阈值进行分割必然会产生一定的误差。分割误差包括将目标分为背
景和将背景分为目标两大类。实际应用中应尽量减小错误分割的概率，常用的一种方法为选取最优阈值。这里所谓的最优阈值，就是指能使误分割概率最小的分割阈值。图像的直方图可以看成是对灰度值概率分布密度函数的一种近似。如一幅图像中只包含目标和背景两类灰度区域，那么直方图所代表的灰度值概率密度函数可以表示为目标和背景两类灰度值概率密度函数的加权和。如果概率密度函数形式已知，就有可能计算出使目标和背景两类误分割概率最小的最优阈值。 假设目标与背景两类像素值均服从正态分布且混有加性高斯噪声，上述分类问题可以使用模式识别中的最小错分概率贝叶斯分类器来解决。以1p 与2p 分别表示目标与背景的灰度分布概率密度函数，1P 与2P 分别表示两类的先验概率，则图像的混合概率密度函数可用下式表示 1122()()()p x P p x P p x =+ 式中1p 和2p 分别为 212 1()21()x p x μσ--= 222()22()x p x μσ-- = 121P P += 1σ、2σ是针对背景和目标两类区域灰度均值1μ与2μ的标准差。若假定目标的灰 度较亮，其灰度均值为2μ，背景的灰度较暗，其灰度均值为1μ，因此有 12μμ< 现若规定一门限值T 对图像进行分割，势必会产生将目标划分为背景和将背景划分为目标这两类错误。通过适当选择阈值T ，可令这两类错误概率为最小，则该阈值T 即为最佳阈值。 把目标错分为背景的概率可表示为 12()()T E T p x dx -∞ =? 把背景错分为目标的概率可表示为
中药学专业知识一第八章常用中药的鉴别 ■ 考点1 常用中药的特点总结 1.狗脊:近边缘1 ~ 4 mm 处有1 条棕黄色隆起的木质部环纹或条纹,偶有金黄色绒毛残留。 2.大黄:根茎髓部有“星点”。气清香,味苦而微涩,嚼之粘牙,有砂粒感。 3.何首乌:皮部散列“云锦状花纹” （异常维管束）。 4.商陆:切面木部隆起,形成数个突起的同心性环轮,俗称“罗盘纹”。气微,味稍甜,久嚼麻舌。 5.银柴胡: “珍珠盘”“砂眼”。 6.黄连:①味连：多分枝,常弯曲,集聚成簇,形如鸡爪;②雅连：多为单枝，“过桥”较长；③云连:弯曲呈钩状,多为单枝,较细小。 7.防己: “猪大肠”“车轮纹”。 8.延胡索:置沸水中煮至恰无白心时,取出,晒干。 9.人参: “芦头” （根茎）、“芦碗” （芦头上凹窝状茎痕）、“珍珠点” （须根上的明显的疣状突起）、“艼” （不定根,根茎上生长的）。 10.甘草: “菊花心”。气微, 味甜而特殊。 11.黄芪: 嚼之微有豆腥味 12.远志:气微,味苦、微辛,嚼之有刺喉感。
13.白芷: “疙瘩丁” （根表面皮孔样横向突起）。 14.当归: “归头” （根上端）、“归身” （主根）、“归尾” （支根）、“全归” （根的全体）。主产于甘肃岷县。当归一般栽培至第二年秋末采挖,捆成小把,上棚,以烟火慢慢熏干。 15.川芎:药材呈不规则结节状拳形团块;饮片呈蝴蝶状,习称“蝴蝶片”。 16.防风: 根头部有明显密集的环纹, 习称“蚯蚓头”。 17.玄参:气特异似焦糖, 味甘、微苦。 18.地黄:主产于河南省。烘焙,至内部变黑,约八成干,捏成团块,习称“生地黄”。 19.党参: “狮子头” （根头部有多数疣状突起的茎痕及芽）。 20.茅苍术: “朱砂点”“起霜” （暴露梢久,常可见析出白毛状结晶,习称“起霜” ;北苍术无起霜现象）。 21.川贝母: ①松贝: “怀中抱月” （外层磷叶2 瓣,大小悬殊,大瓣抱小瓣,未抱部分呈新月形）;②青贝：鳞茎呈类扁球形，外侧鳞片大小相近，相对抱合,顶端多开口；③炉贝：“虎皮斑” （炉贝表面黄白色, 梢粗糙, 常有黄棕色斑块; 22.浙贝母:①珠贝：鳞茎呈扁球形，外侧鳞片略称肾形，较大而肥厚，呈元宝状;②大贝：为鳞茎外层单瓣鳞叶,略呈新月形, 断面白色至黄白色, 富粉性。 23.天麻：“红小辫”“鹦鹉嘴”。 25.羌活: “蚕羌”“竹节羌”“条羌”“大头羌”。 26.鸡血藤:韧皮部有树脂状分泌物呈红棕色至黑棕色, 与木部相间排列呈数个同心性椭圆形
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