模式识别的概念、方法及应用

什么是模式？

　　广义地说，存在于时间和空间中可观察的物体，如果我们可以区别它们是否相同或是否相似，都可以称之为模式。
　　模式所指的不是事物本身，而是从事物获得的信息，因此，模式往往表现为具有时间和空间分布的信息。
　　模式的直观特性:
　　　　·可观察性
　　　　·可区分性
　　　　·相似性

模式识别的概念

　　模式识别 – 直观，无所不在，“人以类聚，物以群分”
　　　　·周围物体的认知：桌子、椅子
　　　　·人的识别：张三、李四
　　　　·声音的辨别：汽车、火车，狗叫、人语
　　　　·气味的分辨：炸带鱼、红烧肉
　　人和动物的模式识别能力是极其平常的，但对计算机来说却是非常困难的。

模式识别的研究

　　目的：利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。
　　Y = F(X)
　　　·X的定义域取自特征集
　　　·Y的值域为类别的标号集
　　　·F是模式识别的判别方法

模式识别简史

　　·1929年 G. Tauschek发明阅读机 ，能够阅读0-9的数字。
　　·30年代 Fisher提出统计分类理论，奠定了统计模式识别的基础。
　　·50年代 Noam Chemsky 提出形式语言理论——傅京荪 提出句法结构模式识别。
　　·60年代 L.A.Zadeh提出了模糊集理论，模糊模式识别方法得以发展和应用。
　　·80年代以Hopfield网、BP网为代表的神经网络模型导致人工神经元网络复活，并在模式识别得到较广泛的应用。
　　·90年代小样本学习理论，支持向量机也受到了很大的重视。

模式识别的应用（举例）

生物学：
　　自动细胞学、染色体特性研究、遗传研究
天文学：
　　天文望远镜图像分析、自动光谱学
经济学：
　　股票交易预测、企业行为分析
医学：
　　心电图分析、脑电图分析、医学图像分析
工程：
　　产品缺陷检测、特征识别、语音识别、自动导航系统、污染分析
军事：
　　航空摄像分析、雷达和声纳信号检测和分类、自动目标识别
安全：
　　指纹识别、人脸识别、监视和报警系统

模式识别方法

数据聚类

　　目标：用某种相似性度量的方法将原始数据组织成有意义的和有用的各种数据集。
　　是一种非监督学习的方法，解决方案是数据驱动的。

统计分类

　　基于概率统计模型得到各类别的特征向量的分布，以取得分类的方法。
　　特征向量分布的获得是基于一个类别已知的训练样本集。
　　是一种监督分类的方法，分类器是概念驱动的。

结构模式识别

　　该方法通过考虑识别对象的各部分之间的联系来达到识别分类的目的。
　　识别采用结构匹配的形式，通过计算一个匹配程度值（matching score）来评估一个未知的对象或未知对象某些部分与某种典型模式的关系如何。
　　当成功地制定出了一组可以描述对象部分之间关系的规则后，可以应用一种特殊的结构模式识别方法 – 句法模式识别，来检查一个模式基元的序列是否遵守某种规则，即句法规则或语法。

神经网络

　　神经网络是受人脑组织的生理学启发而创立的。由一系列互相联系的、相同的单元（神经元）组成。相互间的联系可以在不同的神经元之间传递增强或抑制信号。增强或抑制是通过调整神经元相互间联系的权重系数来（weight）实现。
　　神经网络可以实现监督和非监督学习条件下的分类。