下载文档原格式
蝙蝠的雷达系统、螳螂的视觉的灵敏度都是非常高的。
这些动物通过这些特异的功能来识别各式各样的东西并赖以生存。
识别也是人类的一项基本技能。
当人们看到某事物或现象时，人们会先收集该事物或现象的信息，然后将其与头脑中已有的相关信息相比较，如果找到一个相同或相似的匹配，人们就可以将该事物或现象识别出来。
随着计算机的出现以及人工智能的兴起，将人类的识别技能赋予计算机成为一项新兴课题。
1．模式识别的基本概念1.1 模式与模式识别一般认为，模式是通过对具体的事物进行观测所得到的具有时间与空间分布的信息，模式所属的类别或同一类中的模式的总体称为模式类，其中个别具体的模式往往称为样本。
模式识别就是研究通过计算机自动的（或人为进行少量干预）将待识别的模式分配到各个模式类中的技术。
图 1 模式识别的基本框架模式识别的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，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。
前者是生理学家的研究内容，属于认知科学的范畴；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的努力，已经取得了系统的研究成果。
1.2 模式识别的特点从模式识别的起源、目的、方法、应用、现状及发展和它同其他领域的关系来考察，可以把他的特点概括的描述如下：（1）模式识别是用机器模仿大脑的识别过程的，设计很大的数据集合，并自动的以高速度作出决策。
（2）模式识别不象纯数学，而是抽象加上实验的一个领域。
它的这个性质常常导致不平凡的和比较有成效的应用，而应用又促进进一步的研究和发展。
由于它和应用的关系密切，应此它又被认为是一门工程学科。
（3）学习（自适应性）是模式识别的一个重要的过程和标志。
但是，编制学习程序比较困难，而有效地消除这种程序中的错误更难，因为这种程序是有智能的。
（4）同人的能力相比，现有模式识别的能力仍然是相当薄弱的（对图案和颜色的识别除外），机器通常不能对付大多数困难问题。
采用交互识别法可以在较大程度上克服这一困难，当机器不能做出一个可靠的决策时，它可以求助于操作人。
1、什么叫模式？什么叫模式识别？
模式主要有两重含义，一是代表事物（个体或一组事物）的模板或原型，二是表征事物特点的特征或性状的组合。
识别就是把对象分门别类地认出来。
识别就是再认知的过程。
模式识别就是对模式的区分和认识，把对象根据其特征归到若干类别中适当的一类。
2、模式识别的主要方法？
模板匹配：首先对每个类别建立一个或多个模版
输入样本和数据库中每个类别的模版进行比较，求相关或距离
根据相关性或距离大小进行决策
优点：直接、简单
缺点：适应性差
形变模版
统计方法：根据训练样本，建立决策边界(decision boundary)
统计决策理论——根据每一类总体的概率分布决定决策边界
判别式分析方法——给出带参数的决策边界，根据某种准则，由训练样本决定“最
优”的参数
句法方法：许多复杂的模式可以分解为简单的子模式，这些子模式组成所谓“基元”
每个模式都可以由基元根据一定的关系来组成
基元可以认为是语言中的词语，每个模式都可以认为是一个句子，关系可以认
为是语法
模式的相似性由句子的相似性来决定
优点：适合结构性强的模式
缺点：抗噪声能力差，计算复杂度高
神经网络：进行大规模并行计算的数学模型
具有学习、推广、自适应、容错、分布表达和计算的能力
优点：可以有效的解决一些复杂的非线性问题
缺点：缺少有效的学习理论
3、监督模式识别与非监督模式识别的区别？。
什么是模式识别，它可以用来做什么
模式识别是一种计算机科学领域的分支，其目标是用于从输入数据中识别出规律和模式。
它主要包含对对象特征的分类，图像和语音识别，优化，生成，聚类分析，学习行为建模等内容。
这种方法可以用来有效地处理和提取大量信息，并可以根据需求进行定制化开发。
模式识别可以用来做些什么？它在各个领域都有其不可替代的作用：
1、机器视觉：模式识别可以用来识别和分析图像，实现自动
目标识别，例如车辆、行人以及其他物体的识别；
2、生物信息学：模式识别可以用来实现基因分析，以更好地
理解基因的行为；
3、机器学习：模式识别可以用来实现模型建模，以更好地理
解复杂的输入数据；
4、文本挖掘：模式识别可以用来实现文本分类，以更快更准
确地判断文本所属类别；
5、语音识别：模式识别可以用来实现语音识别，把人类的语
音转换成机器可以理解的信息，更加有效地进行信息处理。
总之，模式识别是基于计算机的有效工具，它能够处理大量的
输入数据，从而有效识别出规律和模式，在各个领域都能发挥重要作用，以此来实现人工智能应用的更好发展。
模式识别模式识别(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。
模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种定义1：借助计算机，就人类对外部世界某一特定环境中的客体、过程和现象的识别功能(包括视觉、听觉、触觉、判断等)进行自动模拟的科学技术。
所属学科：测绘学（一级学科）；摄影测量与遥感学（二级学科）定义2：一类与计算机技术结合使用数据分类及空间结构识别方法的统称。
所属学科：地理学（一级学科）；数量地理学（二级学科）定义3：昆虫将目标作为一幅完整图像来记忆和识别。
所属学科：昆虫学（一级学科）；昆虫生理与生化（二级学科）定义4：主要指膜式识别受体对病原体相关分子模式的识别。
所属学科：免疫学（一级学科）；概论（二级学科）；免疫学相关名词（三级学科）模式识别研究内容：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、生物传感器等对象的具体模式进行辨识和分类。
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。
应用计算机对一组事件或过程进行辨识和分类，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。
什么是模式识别？它的特点有哪些？1. 引言模式识别是一种重要的信息处理技术，它在各个领域中得到广泛的应用。
本文将介绍模式识别的定义以及其特点，帮助读者更好地理解和应用这一技术。
2. 模式识别的定义模式识别是指从输入的数据中自动提取出一些规律和规则，将其归类或者进行识别的过程。
这些规律和规则可以是特征、模型、概念或者其他形式的表示。
模式识别不仅可以应用于图像、声音等传统领域，也可以应用于文本、时间序列等非传统领域。
3. 模式识别的特点3.1 自动化模式识别是一种自动化的过程，不需要人工干预。
它能够从大量的数据中自动提取出有用的信息，极大地提高了处理效率。
3.2 非确定性模式识别通常面临着非确定性的问题，即相同的模式在不同的环境和条件下可能会有不同的表现。
因此，模式识别的结果可能是不确定的，需要采用概率模型或者其他技术来进行处理。
3.3 多样性模式识别的模式和规律具有多样性。
一个模式可以有多种表现形式，而一个规律也可以从不同的角度进行描述。
因此，模式识别需要考虑到多样性，从多个角度对数据进行分析和处理。
3.4 鲁棒性模式识别需要具备一定的鲁棒性，即能够在面对噪声、失真等干扰时仍然能够准确地进行识别。
为了提高鲁棒性，可以采用特征选择、数据归一化等预处理方法。
3.5 可解释性模式识别的结果应该是可解释的，即能够被人理解和接受。
一个好的模式识别算法不仅要具备高的准确率，还需要能够解释为什么选择了这个结果。
3.6 学习能力模式识别系统应该具备学习能力，能够通过观察和分析数据，自动调整模型或者规则，从而提高准确率和鲁棒性。
通过学习，模式识别系统可以不断改进自身，适应不断变化的环境和数据。
4. 模式识别的应用模式识别在各个领域中都得到了广泛的应用。
以下是一些典型的应用场景：•图像识别：利用模式识别技术，可以实现人脸识别、车牌识别等任务。
•语音识别：模式识别可以用于语音识别、声纹识别等领域。
•文本分类：可以将文本数据进行分类，例如进行垃圾邮件过滤、情感分析等。
科技学院火电厂自动化专题论述报告名称：《模式识别专题》院系：动力工程系班级：自动化12学号：学生姓名：指导教师：成绩：日期：2016年1月15日一、前言模式识别（英语：Pattern Recognition），就是通过计算机用数学技术方法来研究模式的自动处理和判读。
我们把环境与客体统称为“模式”。
随着计算机技术的发展，人类有可能研究复杂的信息处理过程。
信息处理过程的一个重要形式是生命体对环境及客体的识别。
对人类来说，特别重要的是对光学信息（通过视觉器官来获得）和声学信息（通过听觉器官来获得）的识别。
这是模式识别的两个重要方面。
市场上可见到的代表性产品有光学字符识别、语音识别系统。
模式识别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。
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二、正文1、模式识别定义人们在观察事物或现象的时候，常常要寻找它与其他事物或现象的不同之处，并根据一定的目的把各个相似的但又不完全相同的事物或现象组成一类。
字符识别就是一个典型的例子。
例如数字“4”可以有各种写法，但都属于同一类别。
更为重要的是，即使对于某种写法的“4”，以前虽未见过，也能把它分到“4”所属的这一类别。
人脑的这种思维能力就构成了“模式”的概念。
在上述例子中，模式和集合的概念是分未弄的，只要认识这个集合中的有限数量的事物或现象，就可以识别属于这个集合的任意多的事物或现象。
为了强调从一些个别的事物或现象推断出事物或现象的总体，我们把这样一些个别的事物或现象叫作各个模式。
也有的学者认为应该把整个的类别叫作模去，这样的“模式”是一种抽象化的概念，如“房屋”等都是“模式”，而把具体的对象，如人民大会堂，叫作“房屋”这类模式中的一个样本。
这种名词上的不同含义是容易从上下文中弄淸楚的。
2、发展简史早期的模式识别研究着重在数学方法上。
20世纪50年代末，F．罗森布拉特提出了一种简化的模拟人脑进行识别的数学模型——感知器，初步实现了通过给定类别的各个样本对识别系统进行训练，使系统在学习完毕后具有对其他未知类别的模式进行正确分类的能力。
1957年，周绍康提出用统计决策理论方法求解模式识别问题，促进了从50年代末开始的模式识别研究工作的迅速发展。
1962年，R．纳拉西曼提出了一种基于基元关系的句法识别方法。
付京孙(K．S． Fu）在笮的理论及应用两方^行了系统的卓有成效的研究，并于1974年出版了一本专著《句法模式识别及其应用》。
1982年和1984年，J．荷甫菲尔德发表了两篇重要论文，深刻揭示出人工神经元，网路所具有的联想存储和计算能力，进一步推动了模式识别的研究工作，短短几年在很多应用方面就取得了显著成果，从而形成了模式识别的人工神经元网络方法的新的学科方向。
3、模式识别的研究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。
应用计算机对一组事件或过程进行辨识和分类，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。
4、问题分类模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类（Supervised Classification）和无监督的分类(Unsupervised Classification)两种。
二者的主要差别在于，各实验样本所属的类别是否预先已知。
一般说来，有监督的分类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无监督的分类就变得十分有必要了。
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、生物传感器等对象的具体模式进行辨识和分类。
5、方法①决策理论又称统计方法，是发展较早也比较成熟的一种方法。
被识别对象首先数字化，变换为适于计算机处理的数字信息。
一个模式常常要用很大的信息量来表示。
许多模式识别系统在数字化环节之后还进行预处理，用于除去混入的干扰信息并减少某些变形和失真。
随后是进行特征抽取，即从数字化后或预处理后的输入模式中抽取一组特征。
所谓特征是选定的一种度量，它对于一般的变形和失真保持不变或几乎不变，并且只含尽可能少的冗余信息。
特征抽取过程将输入模式从对象空间映射到特征空间。
这时，模式可用特征空间中的一个点或一个特征矢量表示。
这种映射不仅压缩了信息量，而且易于分类。
在决策理论方法中，特征抽取占有重要的地位，但尚无通用的理论指导，只能通过分析具体识别对象决定选取何种特征。
特征抽取后可进行分类，即从特征空间再映射到决策空间。
为此而引入鉴别函数，由特征矢量计算出相应于各类别的鉴别函数值，通过鉴别函数值的比较实行分类。
②句法方法又称结构方法或语言学方法。
其基本思想是把一个模式描述为较简单的子模式的组合，子模式又可描述为更简单的子模式的组合，最终得到一个树形的结构描述，在底层的最简单的子模式称为模式基元。
在句法方法中选取基元的问题相当于在决策理论方法中选取特征的问题。
通常要求所选的基元能对模式提供一个紧凑的反映其结构关系的描述，又要易于用非句法方法加以抽取。
显然，基元本身不应该含有重要的结构信息。
模式以一组基元和它们的组合关系来描述，称为模式描述语句，这相当于在语言中，句子和短语用词组合，词用字符组合一样。
基元组合成模式的规则，由所谓语法来指定。
一旦基元被鉴别，识别过程可通过句法分析进行，即分析给定的模式语句是否符合指定的语法，满足某类语法的即被分入该类。
模式识别方法的选择取决于问题的性质。
如果被识别的对象极为复杂，而且包含丰富的结构信息，一般采用句法方法；被识别对象不很复杂或不含明显的结构信息，一般采用决策理论方法。
这两种方法不能截然分开，在句法方法中，基元本身就是用决策理论方法抽取的。
在应用中，将这两种方法结合起来分别施加于不同的层次，常能收到较好的效果。
③统计模式识别统计模式识别(statistic pattern recognition)的基本原理是：有相似性的样本在模式空间中互相接近，并形成“集团”，即“物以类聚”。
其分析方法是根据模式所测得的特征向量Xi=(xi1，xi2，…，xid)T(i=1，2，…，N)，将一个给定的模式归入C个类ω1，ω2，…，ωc中，然后根据模式之间的距离函数来判别分类。
其中，T表示转置；N为样本点数；d为样本特征数。
统计模式识别的主要方法有：判别函数法，近邻分类法，非线性映射法，特征分析法，主因子分析法等。
在统计模式识别中，贝叶斯决策规则从理论上解决了最优分类器的设计问题，但其实施却必须首先解决更困难的概率密度估计问题。
BP神经网络直接从观测数据(训练样本)学习，是更简便有效的方法，因而获得了广泛的应用，但它是一种启发式技术，缺乏指定工程实践的坚实理论基础。
统计推断理论研究所取得的突破性成果导致现代统计学习理论——VC理论的建立，该理论不仅在严格的数学基础上圆满地回答了人工神经网络中出现的理论问题，而且导出了一种新的学习方法——支持向量机（SVM）。
6、模式识别的应用模式识别可用于文字和语音识别、遥感和医学诊断等方面。
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国得到普及的应用。
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。
[1]7、模式识别发展潜力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。
