物体识别

知识表示

特征描述---结构描述---语法/语言表示---谓词逻辑---产生式系统(包括产生式规则和知识库，其中产生式规则是一种知识，而产生式系统加上一种处理不确定信息的机制就构成了专家系统)---模糊逻辑(弥补数值或精确知识表示的局限性)---语义网络(采用节点与弧线结构，由物体，物体的描述以及他们之间的关系组成)---框架脚本(一种高层次知识表示，以一个广义语义网络加上一个相关变量、概念和情景串联的列表表示，适合表示特殊环境下的普通知识，用来代替缺失的信息)

统计模式识别

物体识别即为物体标明类别，识别的工具叫做分类器，分类器并不需要根据物体的结构来分类，而只需要根据感知到的物体特性(称做模式)，如人区分钢铁和沙子，无需鉴定其结构，只需通过纹理、颜色、重量等就可以识别分类一样。

特征来自于物体描述，所有可能的模式集合即为模式空间(特征空间)，如果描述得当，类内物体的相似性会使物体在模式空间中也相邻。

分类器的学习策略：概率密度估计，直接损失最小化，最小距离分类器，支持向量机，聚类分析

神经元网络

BP神经、非监督学习

句法模式识别

图匹配

以节点和弧都赋值的图为对象

模糊系统

隶属度(使描述不再是非黑即白，而是用隶属的程度来描述，越接近则隶属度越高)

模糊隶属函数(线性的，S形的，Beta形的，任意曲线等，但很少有问题能仅靠函数就能描述，因此需要模糊集)

模糊集，模糊运算(交并补)

单调模糊推理体现了模糊推理的根本概念