模式识别——初识模式识别

——这是一篇来自菜鸟的学习笔记——
　　
　　初次接触模式识别是在大三的专业课，当时学的也是一脸懵逼，总之特别绕，但是里面的内容在我后来的学习和竞赛之中提供了很多帮助，现在趁自己空闲之际再次整理下相关知识，为自己之后在人工智能、图像处理的学习打一下基础。（教材《模式识别》　张学工）

1. 什么是模式识别
　　模式识别，简单来说，就是用计算机来模仿人类判别事物的能力。涉及两个概念：
　　①模式：对具体的事物所进行观测得到的具有时间和空间分布的信息
　　②模式类：模式所属于的类别／同一类模式的总体
2. 模式识别方法
　　基本的模式识别方法有两种：统计模式识别和结构模式识别。统计模式识别主要由四部分组成：数据获取、预处理、特征提取和选择、分类决策，如下图所示：

3. 模式识别的基本问题
　　①模式类的紧致性：
　　个人理解，在一系列样本中，存在分界面，能将这些样本分成几类，样本中临界点（靠近分界面的点）相比样本数目很少。
　　
　　样本（a）满足紧致性要求，无临界点；
　　样本（b）有一些临界点；
　　样本（c）临界点多到无法分类。
　　②相似与分类：
　　相似性度量：目前广泛采用在空间中定义某种距离，用空间中的点代表样本，点与点之间的距离最近。
　　分类：分类主要复杂在带有很大的主观性，如何分类主要取决于行为的目的和方法，以此来满足紧致性要求。
　　③特征的生成：
　　特征是决定相似性与分类的关健，当我们确定分类的目的后，寻找合适的特征尤为重要。由原始信息直接进行计算得到我们所需的特征是很困难的，但我们可以模仿仿生学的观点，利用特定神经元对特定特征有突出的反映，设计由复杂到深入的结构，从而对问题进行很好的分类。
　　
　　总之，模式识别是一门比较复杂的科目，最终理解后又会觉得很有意思，模式识别的很多思想和方法和人工智能相似，并且在图像处理方面也有很多应用，系统的学习下受益匪浅。新手上路，欢迎各路大牛批评斧正！