数学中的模式识别

人工智能与模式识别

摘要：模式识别(Pattern Recognition)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: 人工智能 模式识别 模式识别的方法 模式识别的应用

模式识别的发展潜力

正 文:

模式识别的定义是借助计算机，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。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(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。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。

此外，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。

奶钆鼓　２００６年第４期　基金项目论文　ＦＯＵＮＤＡＴＩＯＮ　ＳＵＰＰＯ　肿ＰＲｏ　ＣＴ　

文章编号：１００１—８９３Ｘ（２００６）０４—００Ｏ９—０４　

支持向量机在模式识别中的应用　

沈明华，肖　立，王飞行　

（国防科技大学电子科学与工程学院。长沙４１００７３）　

摘要：针对传统神经网络存在网络结构难于确定、过学习以及局部极小等问题，研究了基于支持向　量机（ＳＶＭ）的模式识别问题。通过对棋盘这种典型非线性二值问题的分类研究，分析了支持向量　

机的分类与泛化能力，支持向量机在分类和泛化能力方面远远优于传统神经网络。最后将支持向量　机用于对两类飞机目标的分类识别，通过多组蒙特卡罗试验，获得了较好的识别结果。支持向量机　

在目标识别中有巨大潜力和广阔前景。　关键词：模式识别；支持向量机；径向基函数；泛化能力；目标识别　

中国分类号：ＴＮ９５７．５　文献标识码：Ａ　

Ａｐｐｌｉｃａｔｉｏｎ　ｏｆ　Ｓｕｐｐｏｒｔ　Ｖｅｃｔｏｒ　Ｍ￣ｈｉｎｅ（ＳＶＭ）ｉｎ　Ｐａｔｔｅｒｎ风赋罾　

ＳＨＥＮ　Ｍｉｎｅ，一ｈｕａ，ＸＩＡＯ　Ｌｉ，ＷＡＮＧ　Ｆｅｉ一　ｌｇ　

（Ｓｃｈｏｏｌ　ｏｆ　Ｅｌｅｃｔｎｍｉｃ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｅｎｇｉｎｅｅｒｉｎｇ。Ｎａｔｉｏｎａｌ　Ｕｎｉｖｅｍｉｔｙ　ｏｆ　Ｄｄｅｎｃｅ　Ｔｅｃｈｎｏｌｏｇｙ，ｃｌ岫　ｍ　４１００７３，Ｃｈｉｎａ）　

Ａｂｓｔｒａｃｔ：Ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｐｒｏｂｌｅｍｓ　ｓｕｃｈ　ａｓ　ｄｉｆｉｃｕｌｔ　ｄｅｔｅｒｍｉｎａｔｉｏｎ　ｏｆ　ｎｅｔ　ｓｔｒｕｃｔｕｒｅ，ｏｖｅｒ　６ｔｔｉｎｇ　ａｎｄ　ｌｏｃａｌ　ｍｉｎｌｍｉＴ－ａｆｉｏｎ　ｏｆ　ｔｒａｄｉｔｉｏｎａｌ　ｎｅｕｒａｌ　ｎｅｔｗｏｒｋｓ，ｔｈｅ　ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ（ＳＶＭ）ａｐｐｌｉｅｄ　ｔＯ　ｐｌＩｌｔｅｒｎ　ｒｅ　一　ｄｏｎ　ｉｓ　ｓｔｕｄｉｅｄ．Ｂｙ　ｉｎｖｃｅｔｉｇ￣ｉｎｇ　ｔｈｅ　ｃｈｅｓｓｂｏａｎｔ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｗｈｉｃｈ　ｉｓ　ｔｙｐｉｅａｄ　ｏｆ　ｎｏｎｌｉｎｅａｒ　ｔｗｏ—ｖａｌｕｅ　ｐ￣ｌｅｍ，ｔｈｅ　ｇｅｎｅｍ！ｉ，Ｊｔｌｏｎ　ａｂｉｌｉｔｙ　ｏｆ　ＳＶＭ　ｉｓ棚１ａｌ　．ＳＶＭ　ｉｓ　ｍｏｌ＇￣ｐｏｗｅｄｕｌ　ｔｈａｎ　ｔｒａｄｉｔｉｏｎａｌ　ｎｅｕｒａｌ　ｎｅｔ—　ｗｏｒｋ　ｉｎ　ｔｈｅ　ａｓｐｅｃｔ　ｏｆ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ａｎｄ　ｇｅｎｅｒａｌｉｚａｔｉｏｎ．Ｆｉｎａｌｌｙ　ｔｗｏ　ｋｉｎｄｓ　ｏｆ　ａｉｒｐｌａｎｅｓ　ａＩｅ　ｒｅｃｔ￣ｉｓｅｄ　ｂａａｅｄ　ｏｎ　ＳＶＭ，ｗｉｔｈ　ｍａｎｙ　Ｍｏｎｔｅ—Ｃａｒｌｏ　ｅｘｐｅｒｉｍｅｎｔｓ　ｇｏｏｄ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｒｅｓｕｌｔｓ　ａｒｅ　ａｃｈｉｅｖｅｄ．ＳＶＭ　ｈａｓ　ｈｕｇｅ　ｐｏ－　ｔｅｎｔｉａｌｓ　ａｎｄ　ｇｏｏｄ　ｐｒｏｑ￣ｔ　ｉｎ　ｔｈｅ　ａｒｅａ　ｏｆ　ｔａｒｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ．　Ｋｅｙ　ｗｏｒｄｓ：ｐａｔｔｅｒｎ　ｒｅｃｏｇｎｉｔｉｏｎ；ｓｕｐｐｏｒｔ　ｖｅｃｔｏｒ　ｍａｃｈｉｎｅ（ＳＶＭ）；ｒａｎｇｅ　ｐｒｏｆｉｌｅｓ；８ｅｎｅｒａｌｉｚａｔｌｏｎ　ａｂｉｌｉｔｙ；ｔａｒ－　ｇｅｔ　ｒｅｃｏｇｎｉｔｉｏｎ　

模式识别在人脸识别中的应用

目前在人脸定位领域，几何模型匹配方法得到了广泛的使用。

本文对几何模型匹配方法进行了研究，提出了一套完整的人脸定位算法。在预处理部分，采用了特别的增强人脸特征与脸部皮肤之间对比度的方法及局域取阈值二值化方法，改进了预处理的效果。在图像分割部分，实现了经典的分合算法，并且使用成组算法改进了分合的效果。在人脸匹配部分，实现了基于眼睛和嘴的几何模型匹配，并对评价函数的构造进行了研究。

此篇论文所涉及到的是人脸的定位和识别。简单来说，所谓人脸的定位，就是在照片(静态图像)或视频(动态图像)中标出人脸所在的位置，把人脸选取出来。而人脸的识别就是把选取出来的人脸与数据库中已有的人脸进行比较，找出匹配的档案来。有的文献把人脸的定位和识别统称为人脸识别，定位和识别则是两个主要的步骤。完整的人脸识别系统涉及到决定照片或视频中有无人脸，并计数，定位，定出大小，然后根据数据库识别出个人，可能的话还要识别表情，以及根据脸的图像做出描述（瓜子脸，丹凤眼等等就是日常生活中“描述”的例子），或者反过来根据描述挑选匹配的人脸图像。

从模型匹配的方法来看，目前的人脸定位算法可以粗略地分为两大类：第一类是利用人脸各器官之间的几何关系的方法；第二类是利用标准人脸图像或者其变换结果直接或者经特征提取后进行匹配的方法。第一类方法利用了明显的先验知识，因而方法简单明了，执行速度较快，对人脸的方向和表情有一定的适应性（在一定的变化范围内面部特征的相对几何关系变化很小）, 但是准确率往往不高（漏判和误判），而且对预处理要求高，依赖于所有面部特征都完整地被提取，所以对转角较大的侧脸, 光照极度不均匀, 部分脸被遮蔽（眼镜, 围巾等）适应性不好。第二类方法利用了更多的图像信息, 准确率高，不易受欺骗；缺点是计算量大，而且使用的人脸模板受人脸库中已有资料的影响，可能会有通用性不好的问题（比如不同人种的人脸模板不能通用）。

龙源期刊网

文字识别领域中模式识别技术的应用

作者：江波 史凤波

来源：《科技资讯》2015年第27期

摘 要：随着科学信息技术的不断发展，计算机技术也得到了快速地发展和广泛地应用，同时也促使模式识别技术在文字识别领域得到广泛的应用。近些年来，模式识别技术的发展和应用也得到了广大专家学者和社会的关注和重视。该文主要从模式识别技术的发展历史和现状出发，对文字识别的基本原理进行阐述，对其统计决策及字句结构等基础识别方法及在文字识别领域的相关应用进行研究分析和总结，并对模式识别技术领域的前景和未来做出展望。

关键词：文字识别 模式识别 应用 科技信息技术

中图分类号：TP391.4 文献标识码：A 文章编号：1672-3791（2015）09（c）-0006-02

随着高科技信息技术的快速发展，计算机技术在存取信息、输出和高速运算等方面得到了不断的完善和健全，但目前计算机的信息输入还是主要依靠人工，文字识别中的模式识别技术主要是运用大脑识别机理通过计算机的模拟工作，从而构造出一个完全能够代替人工完成分类的识别等工作，以达到实现自动信息处理的机器系统的目的[1]。随着人工智能、思维科学和计算机技术迅速发展，在文字识别领域的模式识别技术也在不断的向更深、更高层次发展。模式识别主要是由模糊理论、统计、神经网络、句法结构以及支持向量机识别等方法，笔者就文字识别领域的中模式识别的应用原理做出分析。

1 模式识别系统的基本概念

人们在看到某个事物和现象时会不自觉的收集该事物或现象的相关信息，并将该信息与大脑中已经储存的信息进行匹配或比较后得出相应的结果。对该事物或现象中所获取到的时间及空间信息将其统称为模式。而将模式中同一类别模式统称为模式类[2]。当需要将具体的样本进行归类时就叫做模式分别或模式识别。模式识别系统通常由四部分组成，分别为数据获取、数据预处理、数据的特征提取及选择和分类决策。数据获取指的是把输入模式切换成适合计算机处理形式的一个过程。数据预处理主要是将多余的噪音去除，从中提取需要的信息，通过专业的输入设备对残缺的信息进行必要的修复和处理，以便于计算机提取特征，在通过数据获取和预处理后输入信息的数据维数较高，为了达到分类识别的目的，对原始数据进行处理过程中，通过相互的转换从数据中提取出最原始的模式特征。原始数据空间又可以被称为测量空间，而分类识别都是在一个称为特征空间中进行的。所谓的模式识别系统指的是在测量空间模式中，维数由低向高的转化的过程，这也是该系统通常采用的特诊提取及特诊选择。文字算法是文字识别的关键和核心。