模式識別：初識

1. 模式識別是“外部資訊道道感覺器官並被轉換成有意義的感覺經驗”的過程。感覺經驗可以理解成模式，”轉化成有意義的感覺經驗“的過程就是模式的“識別過程”。模式識別問題通常表現為判別或者分類問題。

2. 模式識別過程一般如下：

（1）資訊輸入與資料擷取。

          也就是擷取未經處理資料，比如拍的照片

（2）資料預先處理。

          為了更方便的提取特徵，需要對資料進行預先處理，比如對映像進行去噪、劃分目標。

（3）特徵的抽取、選擇與提取。

          抽取：計算所有可以測量的特徵，  例如，從某資料中共抽取得到10個特徵，x1, x2, x3, x4, x5, x6, x7, x8, x9, x10

          選擇：從抽取的特徵中選擇一部分特徵作為建模的資料，以免特徵的維數太大，例如只選取5個特徵來建模x1, x2, x3, x4, x5，向量X=（x1, x2, x3, x4, x5）稱為特徵向量，所有組合構成特徵空間。

          提取：有時可採用某種變換技術，得到數目上比原來少的綜合性特徵用於分類，稱為特徵維數壓縮，也成為特徵提取。例如對於變換f和g，有y1=f(x1, x2, x3, x4, x5), y2=g(x1, x2, x3, x4, x5)，這樣就將X特徵空間變換到Y特徵空間，特徵維數由5變成了2.

 （4）判別分類

           採用多種方法進行識別

3. 模式識別按照理論可以分為以下幾類：

（1）統計模式識別：基於機率統計方法，是目前模式識別的主要理論

（2）句法模式識別：以形式語言理論為基礎，發展緩慢

（3）模糊模式識別：以模糊數學中的隸屬度為基礎，發展較快，符合人類認識事物的過程，物質世界不是絕對界限分明的，而是有個模糊過渡過程。

（4）神經網路模式識別：人工神經網路和模式識別結合的常務，類比人腦神經細胞的工作特點。近年來的深度神經網路（DNN）發展較快，是一個新的趨勢，而且google的超級人腦計劃就是以DNN為模型建立的。

4. 模式識別按照實現方法可分為一下兩類：

（1）監督分類

          需要有足夠的先驗知識，也就是依靠已知類別的訓練樣本集，按照它們的特徵向量的分布來確定判別函數，然後對未知的模式進行判別。

（2）無監督分類

          不需要先驗知識，一般用於沒有先驗知識的情況，通常採用群集的方法，基於”物以類聚“的思想。_{ 3 }^{ 1 }{ e }