模式识别综述

《模式识别综述》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、一．前言 “模式”是一个抽象的概念。客观世界和主观世界即物质和意识的所有方面、所有个体、所有单元、所有事情都可以称之为模式。人类为了改造世界，首先必须认识它，还要认识人类自己，包括自己的意识、思维，这就是对模式的识别。所谓模式识别技术，是随着现代科学技术的发展，特别是计算机技术的发展而形成的一种模拟人的各种识别能力和方法的技术。它基本上属于一种自动判别和分类的理论。模式识别诞生于20世纪20年代。随着20世纪40年代计算机的出现，20世纪50年代人工智能的兴起，模式识别在20世纪60年代迅速发展成为一门学科。在20世纪60年代以前，模式识别主要限于统计

2、学领域的理论研究，计算机的出现增加了对模式识别实际应用的需求，也推动了模式识别理论的发展。经过几十年的研究，取得了丰硕的成果，已经形成了一个比较完善的理论体系，主要包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别和多分类器融合等研究内容。 模式识别就是研究用计算机实现人类的模式识别能力的一门学科，目的是利用计算机将对象进行分类。这些对象与应用领域有关，它们可以是图像、信号，或者任何可测量且需要分类的对象，对象的专业术语就是模式（pattern）。按照广义的定义，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以成为模式

3、。 解决模式识别问题的方法可以归纳为基于知识的方法和基于数据的方法两大类。所谓基于知识的方法，主要是以专家系统为代表的方法，一般归在人工智能的范畴中，其基本思想是，根据人们已知的关于研究对象的知识，整理出若干描述特征与类别间关系的准则，建立一定的计算机推理系统，对于未知样本通过这些知识推理决策其类别。另一大类模式识别方法是基于数据的模式识别方法。在确定了描述样本所采用的特征之后，这些方法并不是依靠人们对所研究对象的认识来建立分类系统，而是收集一定数量的已只样本，用这些样本作为训练集来训练一定的模式识别机器，是指在训练后能够对未知样本进行分类。二．模式识

4、别基本概念 <一>.模式识别系统 模式识别的本质是根据模式的特征表达和模式类的划分方法，利用计算机将模式判属特定的类。因此，模式识别需要解决五个问题：模式的数字化表达、模式特性的选择、特征表达方法的确定、模式类的表达和判决方法的确定。一般地，模式识别系统由信息获取、预处理、特征提取和选择、分类判决等4部分组成，如图1-1所示。 分类器设计特征提取和选择预处理信息获取分类决策 图1-1 模式识别系统的组成框图 <二>.线性分类器 对一个判别函数来说，应该被确定的是两个内容：其一为方程的形式；其二为方程所带的系数。对于线性判别函数来说方程的形式是线性的，方

5、程的维数为特征向量的维数，方程组的数量则决定于待判别对象的类数。对M类问题就应该有M个线性判别函数；对两类问题如果采用“+”“-”判别，则判别函数可以只有一个。既然方程组的数量、维数和形式已定，则对判别函数的设计就是确定函数的各系数，也就是线性方程的各权值。在计算机上确定各权值时采用的是“训练”或“学习”的方法，这就是待识别的模式集中挑选一批有代表的样本，它们经过人工判读成为已知类别的样本，把这批样本逐个输入到计算机的“训练”程序（或算法）中去，通过一次一次的迭代最后得到正确的线性判别函数，这样一个迭代的运算的过程成为训练过程。由于样本的分类首先经过人

6、工判读，因而这样的构成分类器也称为有人监督或有教师的分类器。线性分类器虽然是最简单的分类器，但是在样本为某些分布情况时，线性判别函数可以成为最小错误率或最小风险意义下的最优分类器。而在一般情况下，线性分类器只能是次优分类器，但是因为它简单而且在很多情况下效果接近最优，所以应用比较广泛，在样本有限的情况下有时甚至能取得比复杂的分类器更好的效果。 <三>.特征选择和提取   <1>、特征选择     一个模式识别系统的成败，首先取决于所利用的特征是否较好地反映了将要研究的分类问题。因此如何设计和获取特征是一个实际模式识别的第一步。 特征的获取是依赖于具体的

7、问题和相关专业的知识的，无法进行一般性的讨论。从模式识别角度，很多情况下人们面对的是已经得到的一组特征，或者是利用当时的技术手段把所有有可能观测到的特征都记录下来。这时，这些特征中可能有很多特征与要解决的分类问题关系并不密切，它们在后续的分类器设计中可能会影响分类器的性能。另一方面，有时即使很多特征都与分类器关系密切，但是特征过多会带来计算量大、推广能力差等问题，在这样数目有限时很多方法甚至会因为出现病态矩阵等问题而根本无法计算，因此人们也往往希望在保证分类效果的前提下用尽可能少的特征来完成分类。   模式识别中的特征选择的问题，就是指在模式识别中，用

8、计算方法从一组给定的特征中选择一部分特征进行分类。这是降低特征空间维数的一种基本方法。<2>、