4、模式生成器与识别器的协同进化：解决模式识别难题的新途径

模式生成器与识别器的协同进化：解决模式识别难题的新途径

1. 引言

模式识别是计算机科学中极具挑战性的问题。许多情况下，模式类别定义不明确，这让算法（包括学习算法）的设计变得困难。内在规范（通过形式定义）往往不切实际，例如手写字母 A 的类别；外在规范（通过有限的示例集）则存在泛化和过拟合问题。

很多有趣的模式类别难以明确界定，因为它们与人类或动物大脑相关。人类运用诸如缩放、视角调整、对比度和纹理解释、扫视等心理过程，能非常微妙地刻画类别。强大的计算机模式识别方法可能需要运用所有这些技术，但目前并非普遍如此。模式识别研究的另一个挑战是创建大量可学习的示例问题，自动模式生成器将很有价值，它应能生成多样、微妙且数量众多的各类示例。

本文提出了一种自动模式生成和识别过程，推测它将为形式表征问题和识别技术提供新见解。该过程依赖模式生成器和识别器的竞争与合作协同进化，可实现无限示例生成和方法的高度灵活性。

2. 模式识别问题

以下是对模式识别问题及其难点的观点。常见的模式示例包括：
- 字符 ：如字母和数字，同一类别的成员在视野中的位置、大小、方向、形状、厚度、对比度、组成纹理、失真（包括视角）、构造噪声和掩蔽噪声等方面存在差异。
- 时间序列模式 ：如音乐短语、价格数据配置和事件序列，同一类别的成员在时间尺度、形状、强度、纹理等方面有所不同。
- 自然模式 ：如树木、风景、陆地特征和云模式，同一类别的成员在大小、形状、对比度、颜色、纹理等方面存在差异。
- 情境模式