模式识别分类

模式识别分类

——摘自《模式识别导论》齐敏,李大健,郝重阳, 清华大学出版社,2009.

按照理论分类：

统计模式识别: 是定量描述的识别方法。以模式集在特征空间中分布的类概率密度函数为基础，对总体特征进行研究，包括判别函数法和聚类分析法。是模式分类的经典型和基础性技术，历史最长，目前仍是模式识别的主要理论。

句法模式识别: 也成为结构模式识别，是根据识别对象的结构特征，以形式语言理论为基础的一种模式识别方法。主要用于自然语言处理，发展相对缓慢。

模糊模式识别： 将模糊数学的一些概念和方法应用到模式识别领域而产生的一类新方法。它以隶属度为基础，运用模糊数学中的“关系”概念和运算进行分类。

神经网络模式识别： 神经网络模式识别是人工神经网络与模式识别相结合的产物。以人工神经元为基础，模拟人脑神经细胞的工作特点，对脑部工作机制的模拟更接近生理性，实现的是形象思维的模拟，与主要进行逻辑思维模拟的基于知识的逻辑推理相比有很大的不同。

按照实现方法分类：

监督分类： 也成为有人管理的分类。首先需要依靠已知类别的训练样本集，按照它们的特征向量的分布来确定判别函数，然后再利用判别函数对未知的模式进行分类判别。因此，使用此类方法需要有足够的先验知识。
非监督分类： 也成为无人管理的分类。这类方法一般用于没有先验知识的情况，通常采用聚类分析的方法，即“物以类聚”的观点，用数学方法分析各特征向量之间的距离及分散情况，结果合理即可。