模式识别借鉴.pdfVIP

模式识别与人工智能 【摘要】本文主要介绍了模式识别的主要研究方法和人工智能的概念及其应用， 并对模式识 别与人工智能的发展进行了展望。 【关键字】 模式识别 人工智能 一、 模式识别 1. 模式识别的概述 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。 什么是模式和模式识别？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 ) 。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。 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。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和无监督的分类两种。 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。 2. 模式识别的研究方法 2.1 统计方法 统计模式识别是对模式的统计分类方法， 即结合统计概率论的贝叶斯决策系统进行模式 识别的技术， 又称为决策理论识别方法。 把模式类看成是用某个随机向量实现的集合。 又称 决策理论识别方法。 特征抽 分类或 模式 预处理 取 描述 识别部分 分析部分 特征选 样本 学习 择