一.
- 什么叫模式?
a) 模式是一组具有一定规律性且相似的实例。
b) 模式是反复出现的,可观察的。
c) 模式是对一类事物的定量和结构性描述。
d) 模式是一个可以完全模仿的例子。 - 什么叫模式识别?其一般过程是怎样?
a) 模式识别是一个过程。
b) 过程是:外部信息到达传感器,并传输到有意义的传感结果,计算机会自动将模式分配给它们所属的类。 - 模式识别方法如何分类?
a) 模式识别方法主要包括四个分支:统计模式识别、结构模式识别、模糊模式识别、基于神经网络的模式识别。
b) 两大类:有监督、无监督 - 统计和结构识别的过程是怎样?
a) 结构模式识别:对于比较复杂的模式,把它作为一个整体进行分类是相当困难的,这就需要把它分解为若干较简单的子模式,而子模式又分解为若干基元,然后,通过对基元的识别,来识别子模式,最终达到识别模式的目标。
b) 统计模式识别:基于分布在特征空间中的模式类概率密度函数,研究模式的总体特征,包括判别函数方法和聚类方法。有相似性的样本在模式空间中互相接近,并形成“集团”,即“物以类聚”。其分析方法是根据模式所测得的特征向量X=(x1,x2,…,xi),将一个给定的模式归入n个类ω1,ω2,…, ωn中,然后根据模式之间的距离函数来判别分类。
二.模式识别与机器学习的区别和联系
1.模式识别:自己建立模型刻画已有的特征,样本是用于估计模型中的参数。模式识别的落脚点是感知。
2.机器学习:根据大量样本训练模型,如训练好的神经网络是一个针对特定分类问题的模型;重点在于“学习”,训练模型的过程就是学习;
3.区别:模式识别是根据已有的特征,通过参数或者非参数的方法给定模型中的参数,从而达到判别目的的;机器学习侧重于在特征不明确的情况下,用某种具有普适性的算法给定分类规则;
4.联系:算法是中性的,两个不同的学科领域关键看思维。两门学科有很多相通的算法。模式识别在人工智能上的前沿成果已经慢慢被机器学习取代,所以很多以AI为导向的模式识别书记包含了很多机器学习的算法也正常。