模式识别基础-0

一.

1. 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。
2. 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。
3. 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
4. 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

模式识别、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。