13、模式识别：从Devijver到个人研究的探索

模式识别：从Devijver到个人研究的探索

1. 模式识别现状与挑战

自动化分类（标记）单个模式，特别是印刷、手写印刷或手写字符的准确性已趋于平稳。若要进一步提高准确性，就需要对模式序列进行分类。目前，语言上下文已被广泛应用，它依赖于一维的词汇和句法约束。风格约束分类则利用了相同来源（同源）字符集的形状相似性，这些字符可以属于相同或不同的类别。对于理解表格和表单，二维的结构和关系约束是必要的。在不超过人类感官和认知极限的模式识别应用中，绿色交互能让操作员的修正信息反馈给分类器，从而使系统受益。

2. 个人研究兴趣与背景

我与Pierre Devijver有许多共同的兴趣，包括最近邻、Delaunay三角剖分、聚类、连通组件、误差估计和上下文。我涉足过计算几何、计算机辅助设计、遥感和地理信息系统等领域，但我和我的学生的大部分研究都集中在文档图像分析及其基础组成部分——字符识别上。字符识别对模式识别和机器学习的研究贡献巨大，这并非仅仅因为我们渴望实现无纸世界。由于通过视觉可识别模式序列传达的信息所引发的丰富关系，字符识别在统计模式识别（SPR）中是一个无限的研究领域。这些模式由多维特征向量表征，需要以最小的误差或成本分类到可能的层次类别中。我们可以研究和建模单个特征、单个样本的所有特征的统计分布，以及多个模式的特征与类别变量之间的关系。这些模式可以是单个笔画、单个字母或数字、单词的一部分，甚至是整个单词、页面或文档。字符识别中使用或提出的各种模型可以用贝叶斯网络简洁地表示。

3. 缅怀Pierre Devijver

Pierre Devijver是一位成就斐然的人，我很荣幸能在他的影响下谈论我最喜欢的话题——统计模式识别。我在多个会议