模式识别概论

0.引言

1.模式（pattern）：

        简单说就是规律。具体说是对象的组成成分或影响因素间存在的规律性的关系；或者是因素间存在确定性或随机性规律的对象、过程或事件的集合。也称为模式类。

2.识别（recognition）：

        对以前见过的对象再认识。

3.模式识别（pattern recognition）：

        对模式的区分和认识，把对象根据其特征归到若干类别中适当的一类。也称为模式分类。

1.基本术语：

1）样本（sample）：

        所研究对象的一个个体；

2）样本集（sanple set）：

        若干样本的集合；

注：DM/PR/ML与统计学的相关概念不同：

        样本（sample）——> 样品（example）

        样本集（sanple set）——>样本（sample）

3）类(类别)：

        在所有样本上定义的一个子集，处于同一类的样本在我们所关心的某种性质上是不可区分的，即具有相同的模式。习惯上，经常使用、等来表示类别，在两类分类问题中也有时用{-1,1}或者{0,1}来表示。

4）特征（feature）：

        即属性。若存在多个特征，则它们就组成了特征向量。样本的特征构成了样本的特征空间，空间的维数就是特征的个数，则每一个样本就是特征空间中的一个点。某些情况下，对样本的原始描述可能是非数值形式的，此时通常需要采用一定的方法把这些特征转换为数值特征。

5）已知样本（known sample）：

        指类别标号已知的样本。

6）未知样本（unknown sample）：

        指类别标号未知但特征已知的样本。

7）模式识别的问题：

        用计算的方法根据样本的特征将样本划分到一定的类别中去。