模式识别moshi shibie

从不相关的细节背景中，抽取数据有意义的特征或属性，并把特征或属性相同的数据归成同一类.根据模式的性质，可分为具体项目的识别和抽象项目的识别.识别字符、图形、语言、文字和周围事物，涉及视觉和听觉模式，属于具体项目的识别；识别一个论点的问题属于概念的识别，是抽象项目的识别.
模式识别是人工智能领域中的最重要的工具之一，由计算机进行模式识别的主要内容是研究一种自动技术，将众多模式分配到它们各自的模式类中去，
模式识别方法分成两大类：决策理论方法；句法分析方法.
决策理论方法是以决策函数为基础，比如有m个模式类，建立m个判别函数

d₁(x),d₂(x)，…，dM(x)

d_i(x)>d_j(x)

j=1,2，…，m,j≠i

模式识别pattern recognition

对一事物或过程进行分类识别的有关理论、技术和方法的总称。“人工智能”的重要组成部分。其对象可以是图形、文字、声音等具体事件，也可以是状态、程度等抽象概念。根据具体应用的要求，在分析其特征或结构的基础上可采用统计模式识别、句法模式识别以及人工神经网络、模糊分析、知识推理等方法实现。统计模式识别需经统计分析求取最能使同类事物（同类模式）聚集在一起而不同类事物（不同模式）尽可能分离的D个特征，将分类和识别的对象表示为特征空间中的D维矢量，再根据使分类误差最小的准则确定分类界面。句法模式识别是将事物的结构用某种描述语言中的语句来表示，根据句法分析作出分类识别。用人工神经网络进行模式识别要先对网络用已知其模式类别的样本进行训练。采用前馈型人工神经网络时，根据网络对输入样本的输出情况，通过反向传播算法修正网络数值，全部样本学习完毕后就可对未知对象进行识别。采用反馈型网络时，通过引入能量函数，使网络在训练过程中能量不断下降，最后达到稳定态。将模糊逻辑、知识推理等应用到模式识别中，多种方法相结合，是模式识别的发展方向。模式识别技术在遥感、医学、智能机器人、智能计算机等领域中有广泛用途，文字阅读器、语音识别机和指纹自动识别系统是几种典型应用实例。