模式识别——概念整理

        模式识别作为机器的感知能力，在人工智能的研究中占有重要的地位。识别能力是生物的本能，所有生物都具有对环境或外界事物的识别能力,人类作为最高等的智能生物，能做出更加复杂的识别行为。

        但是我们只能识别出我们认识的人，但对初次见面的人无法识别出它是谁。这是因为当我们第一次见一个人时，我们的感官会采集到有关他的各种信息，包括外貌、声音、表情动作等，并把这些特征与他的名字关联起来。当再次见到时，就可以根据感官采集到的特征，去记忆库中寻找符合这些特征的人的名字，便可以进行识别。

• 模式识别：模式识别是指依据具体样本的特征进行概念分类，因此模式识别也称为模式分类。

• 人工智能之模式识别：研究如何使得计算机具备生物一样的模式识别能力。因此模式识别从本质上是一门面向工程实践的技术科学研究。

• 模式：模式(Pattern)的原意是指一组图案或者花纹，无论如何变形都可以进行识别，因此模式(Pattern)就是指一类事物的共同特征。模式所指的不是事物本身，而是从事物中获得的信息。

• 识别：识别(recognition)的基础是认知(cognition)。认知的过程是获取事物某种特征的过程——概念抽象；识别的过程是根据特征决定某个具体的事物是不是属于某种事物的过程——概念归类。识别的任务是归类而不是对事物特征的严格匹配；识别的基础是相似性。

• 样本：一个个用于识别的具体事物称为样本。

• 特征：抽取出的样本能够用于识别的某个重要特性。当找到一组可以用于识别的特征（即模式）时，每一个样本便可以用这些特征的集合表示，即完成了样本到特征表达之间的数学转换。

• 特征空间：所有的样本转换为特征表达后，整体便构成了特征空间。在特征空间中，每一组样本都可以看成由一组特征表达的点。样本之间的相似程度可以用特征空间的相似度（similarity）计算。

• 类：整个物体集合可以分为几个不相交的子集合，子集合从某种分类角度来说，就是具有某种共同的特性，被称为类。