模式識別(pattern recognition)：輸入原始數據并根據其類別采取相應行為的能力。

具體實例：人臉識別、語音識別、文字識別、指紋識別、DNA序列分析。

要區分不同類別的個體，需要利用其一些物理特性上的差異，成為模式分類的特征。仔細選擇特征十分必要。

如果要區分的類別缺失存在某種差異，我們稱之為具有不同的模型(model)–即可以用數學形式描述特征。獲得一個好的模式表達，是幾乎所有的模式識別系統的一個中心任務。在一些情況下，模式常被表達為實數向量的形式，而另外的情況，可能以有序的屬性列表方式來表達。如何構造或學習一個恰當的表達，以及如何定量刻畫“接近”和“遠離”的能力（能夠產生同樣行為的模式樣本之間的距離盡可能接近，而將導致不同行為的模式樣本之間距離盡量遠離）將決定一個分類器的成敗。我們十分傾向于運用比較少的特征，因為這會導致（a）更簡單的分類區域，（b）更易訓練的分類器。此外特征還應對噪聲或其他干擾不敏感。在實際應用中，我們希望分類器能夠快速響應，只需很少的電子部件、內存容量或處理步驟。

有時候單一的特征不足以完美分類，需要引入特征向量x，其中x處于d維歐幾里得空間R^d，稱為特征空間。除此之外，還有類別集，行為集，風險函數（描述類別狀態為w時采取行動a的風險）。

模式分類作為決策理論最重要的子領域，其中心任務是使分類的“總體代價”函數最小。

模式識別系統需要嵌入特定問題領域的背景知識。

模式識別系統

3種基本操作：預處理、特征提取、分類。其模塊圖如下：

設計模式識別系統包含如下一個設計循環：

總結

以上是生活随笔為你收集整理的模式识别:绪论的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。