模式识别初体验——模式识别中要处理的问题以及使用的方法

写在前面

       做完这半年的毕设，就要从小小的本科进化到研究僧阶段了。本科读的是EE，虽然对这行算是感兴趣，但是还是对模式识别向往更多一些。刚刚接触模式识别不到一周，照着对于新知识从框架到细节的学习习惯，可以说是感触颇深。于是就想动笔把自己的体会记录下来，这篇文章主要还是从框架上来表明一些我对模式识别的认识。

模式识别的本质

       其实非IT人士对于模式识别这四个字是没有太多概念的，别人问起我我也不知道从何解释，于是就从度娘那里粘来直接用。后来干脆也不粘贴了，就自己总结了一句我认为很直观的话来解释模式识别本质是什么——借助计算机找规律的学科。

这规律具体是什么就很难说清楚了，不过不管是什么，在我看来，模式识别里面的算法就是帮着人们找规律的。

模式识别的招数

        本质其实更像是内功，而招数则更为具体。模式识别的招数就是找规律的招数，应该说是分为两大类——分类器与特征提取。

        清华大学边肇祺与张学工两位老师的《模式识别》基本都是沿着这个思路来的，不过都是从分类器开始讲，而且侧重讲分类器。其实个人看来，特征提取也是挺重要的，因为现在就在做，但是没有合适的书讲。

模式识别的基本套路如下：得到数据>>数据预处理>>提取特征>>分类学习>>检验结果。其中第三步与第四步就是模式识别的两大核心招数。

分类器

        分类器没有关注太多，老板让我学特征提取，所以分类器就说了先用最简单的最近邻分类器。SVM支持向量机貌似也是主流，楼主还没关注到……这地方就不写很多了。

特征提取

        特征提取的意思就是从数据中找出数据的特征，而特征的定义我们小学学自然的第一节课就已经学过了，但竟然花了十多年才有这么深刻的体会。

        对于特征提取，我可能有些错误认识，在人脸识别方面，我认为特征就一定是鼻子眼睛这才叫特征，也就是最后的特征一定要跟人脸有关，后来在学HOG（初学者可以从LBP与HOG下手，我觉得这两个算法挺不错）才发现特征的表现竟然是直方图形式，当然了LBP也有直方图形式，但是我最开始更倾向于用LBP变换过的人脸图。

关于特征提取的细节以及相关代码，我在之后的博客再介绍吧。