模式识别学习笔记之二：模式识别的重要环节——学习

人有别与其它生物最重要一点就是我们会学习，如果人要是不学习那是一件很可怕的事，不信你仔细想一下。人学习了以后也就有了智能，能够对事物进行比较、分析和判断（也许有一种人不用学习——外星人）。如果让一种机器也能够像人一样学习，学习一些常识，让他知道谁是美女，谁是帅哥，什么是鱼，什么是虾，什么是青蛙。如果找来一个人当然能做这些事（当然不是所有人，也有没有智能的），那么让机器来做这些事现在还不能现实，人类还没研究明白我们的思维过程，只能找一些简单的替代的方法，所以只能模拟“简单的智能”也就是“弱智”的思维。

      基本的方法就是让机器先像人一样有个学习过程，当然不能学的特别明白。这一过程也可以叫作训练。但是在模式识别系统中，尤其是传统的模式识别技术中，信息获取，预处理，特征提取与选择一般都是设计者安排好的，机器本身无法从训练中培养出选择特征的能力，而训练的实质也只是按设计者拟订的数学公式，把训练样本提供的数据作为自变量执行计算求解的过程。一般说来人工神经元网络的学习能力比传统的模式识别方法要强。

     确定分类决策的具体数学公式是通过分类器设计这个过程确定的。这个过也称为训练与学习的过程。这是因为分类的规则是依据训练样本提供信息的确定的，在分类器的设计阶段。要使用一批训练样本，其中包括各种类别的样本，因此由这些样本可以大致勾画出各类事物在特征空间分布的规律性，从而为确定使用什么样的分类具体数学公式以及这些公式中的参数确定提供了信息。这种数学式子及其参数的确定应该说是综合设计者的人为因素以及训练样本提供的信息共同决定的。