关于模式识别

模式识别作为一门技术学科，目的就是要研究出能自动进行模式分类和描述的机器系统，以完**类的模式识别的功能。可见它的目标和人工智能范畴的其它分枝的目标是一致的，都是要用机器来代替人类的部分智力活动。模式识别是一个新的研究领域，到现在为止，它的理论和技术都远未完善，很多课题有待人们去研究和探索。

模式识别也是一门边缘学科，它与人工智能、信号处理、计算机科学与技术、概率统计、模糊集论、信息论、数字图象处理、形式语言学、心理学、语言学等都有密切的关系，而且随着模式识别这门学科的发展，还会与其它更多的学科发生关系。另一方面，许多不同学科的人们也从各自的角度对它产生了越来越多的兴趣[2]。

1.1.2 模式识别系统。

不论是以哪种模式识别方法为基础的模式识别系统，基本上都是由两个过程组成的，即设计与实现。设计是指用一定数量的样本（叫做训练集或学习集）进行分类器的设计。实现是指用所设计的分类器对待识别的样本进行分类决策。

对于一个具体的模式识别问题，一般要进行数据采集、数据预处理、特征提取与选择以及模式分类四步骤。研究模式识别过程实际上就是实现由数据空间经特征空间到类别空间的映射。在模式识别中，通常将经数据预处理后的原始数据所在的空间称为测量空间，把分类进行的空间叫做特征空间[3]。

一个模式识别系统是由学习模块和测试模块两个模块组成，如下图：

图1.1 模式识别系统示意。

在两个模块中都需要数据的预处理，而数据预处理功能是多方面的，如除去噪声信号的边缘影响；将研究有关的模式分离；对模式样品标准化等。训练模式样本的特征数据输入过程，就是将已知的模式样品进行数值化后载入计算机。这样对于输入样品进行分析，除去对分类无用或者易造成混淆的特征，尽量保留对分类判别有效的数值特征，于是完成模式识别的特征选择。

接下来就是按照设定的分类判别模型对给定的训练样品进行训练，得到分类的判别的规则，有了判别规则就可以进行模式识别过程，最后得到输出识别结果。

1.1.3 模式识别的识别方法。

模板匹配方法、结构模式识别和统计模式识别是目前常用的模式识别方法。模板匹配模式识别是通过比较待识别模式和已有模式的相似程度来达到识别模式的目的，也是应用最早最简单的模式识别形式。随着科学技术的发展和研究对象的深入，模式识别问题也变得非常复杂多变，这就要求人们对于事物的识别不仅局限于简单的模式分类，还需要应对模式结构作全面完善的描述，从而需要运用结构模式识别方法。

但是目前，研究最多也较为深入的模式识别方法是统计模式识别，神经网络模式识别技术也可以归为到这类方法中。统计模式识别主要研究对象的因素包括特征的提取和优化、分类判别和聚类判别。在统计模式识别中，每一个模式采用多维特征或测量值来表示，最终的目的是由这些特征构成的空间能将各模式类有效的分离。

如何确定合适的特征空间是设计模式识别系统一个非常重要的问题，对特征空间进行优化可以采用特征选择和特征组合优化两种基本方法。对于已知若干个样品的类别以及特征，我们需要对分类问题建立一个样品库。根据这些样品库建立判别分类函数，这就让机器学习来实现，然后对某些未知的新对象分析它们的特征以至决定它们属于哪一类，就需要有监督学习的方法。

有时候，已知若干对象和它们的特征，但不知道每个对象属于哪一类，而且事先也并不知道究竟分为几类。这样就可能需要考虑用某种相似性度量的方法，即运用“物以类聚，人以群分”的思想，把特征相似或相同的归为同一类，这样就采用了无监督的学习方法。

1.1.4 模式识别的应用。

经过多年的研究和发展，模式识别技术已广泛应用于人工智能、计算机工程、机器学、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**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、手写体字符。

的识别、工业故障检测、精确制导等。模式识别技术的快速发展和应用大大促进了国民经济建设和国防科技现代化。

现今，文字识别是模式识别领域发展最为成熟并应用最为广泛的方面。什么是文字识别呢？通俗来讲，文字识别就是由计算机等机器自动识别各种字符，如字母、数字、汉字或其他语言中的字符。

文字识别的分类方法很多，不同境况分类方式各异。例如，根据识别对象的不同，文字识别可分为西文识别、数字识别和汉字识别等；根据字符可以是手写体和印刷体，文字识别又可分为手写体文字识别和印刷体文字识别；根据采用的输入设备不同，文字识别可分为联机识别和脱机识别。

联机识别是指将字符书写在与计算机相连的书写板上，由计算机根据字符的书写轨迹进行实时识别，因此联机识别主要是针对手写体而言的；脱机识别是指将字符书写或打印在纸张上，用扫描仪或其他光电转换装置将其转换成电信号输入到计算机中，再由机器进行识别，因此，脱机识别又称为光学文字识别，即我们通常所说的ocr（optical character recognition）。

经近一个世纪的发展，ocr已经成为当今识别领域中最活跃的研究内容之一[4]。它综合了数字图像处理、计算机图形学和人工智能等多方面的知识，并在计算机及其相关领域中得到了广泛应用。实现文字识别的技术很多，其中基于人工神经网络的识别技术受到普遍关注。

在ocr系统中，人工神经网络主要充当分类器的功能，输人是字符的特征向量，出是字符的分类结果，即识别结果。

模式识别技术的应用很广泛，除文字识别还涉及语音识别、指纹识别、细胞识别等等。由于本文主要研究了模式识别中的文字识别，此外时间不够充裕以及篇幅所限，模式识别的其他应用在此不再详细介绍了。

关于模式识别

关于癌细胞识别系统设计的开题报告

如何识别真假蜂蜜

个案工作模式之结构家庭治疗模式

跟单员绩效量化模式

管理的新模式

接收头引脚的识别法

船舶识别号检验管理规定

海尔模式内容摘要

其他用户还读了