模式识别-第一章(绪论)

第一章、绪论

最近上了一门《模式识别》的课程，老师讲的课将某些知识点给简化了。我在这里将上课讲到的知识点内容进行一些补充和概括，以保自己能从中真正学习到一点东西。

1.1 模式识别的基本概念

模式：通过信息采集的采集，形成的对一个对象的描述。
模式类：模式所属的类别或同一类中的模式的总体。
模式识别：利用计算机（或者少量的人为干扰）自动地将待识别的事物分配到各个模式类中的技术。
例题：如果一位姓王的先生是位老人，试问“王先生”和“老头”谁是模式，谁是模式类？
答：王先生是模式，老头是模式类。

模式识别系统的组成：
数据采集：利用各种传感器把待识别的事物或现象的基本信息转换成计算机可以运行的符号。
预处理：减少外界干扰（数字滤波、图像增强）
特征提取和选择：从模式的某种描述状态提取所需的，用另一种形式表示的特征。
分类决策或模型匹配：用模式识别方法（由分类器设计确定的分类规则）对待识别模式进行分类判别。

1.2 特征描述

特征：一般来说，特征是指从模式中得到的对分类有用的度量、属性或单元，是描述模式的最佳方式。
常用的图像特征：颜色特征、纹理特征、形状特征、空间关系特征。

1.3模式识别方法

统计法：主要基于概率模型得到各类别的特征向量的分布，从而实现分类的功能。
聚类法：用某种相似性度量的方法将数据组分成所需要的各组数据。主要有分层聚类、迭代聚类。
神经网络发：利用给定的样本，在学习过程中