1、模式識別的基本方法

（1）統計模式識別方法學習

（2）結構模式識別方法spa

都由兩個過程實現，即設計和實現。設計是指用必定數量的樣本（叫做訓練集或學習集）進行分類器的設計。實現是指用所設計的分類器對待識別的樣本進行分類決策。設計

如下討論統計模式識別方法

基於統計方法的模式識別系統主要由4個部分組成：數據獲取，預處理，特徵提取和選擇，分類決策。如圖：3d

下面簡單對這幾個部分作些說明。對象

1.數據獲取

       爲了使計算機可以對各類現象進行分類識別，要用計算機能夠運算的符號來表示所研究的對象。一般輸入對象的信息有下列3種類型：blog

（1）二維圖像   如文字、指紋、地圖、照片這類對象。class

（2）一維波形   如腦電圖、心電圖、機械震動波形等。基礎

（3）物理參量和邏輯值   前者如在疾病診斷中病人的體溫及各類化驗數據等；後者如對某參量正常與否的判斷或對症狀有無的描述，如疼與不疼，可用邏輯值即0和1表示。在引入模糊邏輯的系統中，這些值還能夠包括模糊邏輯值，好比很大、大、比較大等。方法

        經過測量、採樣和量化，能夠用矩陣或向量表示二維圖像或一維波形。這就是數據獲取的過程。

2.預處理偶幾千個數據

       預處理的目的是去除噪聲，增強有用的信息，並對輸入測量儀器或其餘因素所形成的退化現象進行復原。im

3.特徵提取和選擇

       由圖像或波形所得到的數據量是至關大的。例如，一個文字圖像能夠有幾千個數據，一個心電圖波形也可能有幾千個數據，一個衛星遙感圖像的數據量就更大。爲了有效地實現分類識別，就要對原始數據進行交換，獲得最能反映分類本質的特徵。這就是特徵提取和選擇的過程。通常咱們把原始數據組成的空間叫測量空間，把分類識別賴以進行的空間叫特徵空間，經過交換，可把在維數較高的測量空間中表示的模式變爲在維數較低的特徵空間中表示的模式。在特徵空間中的一個模式一般也叫作 一個樣本，它每每能夠表示爲一個向量，即特徵空間中的一個點。

4.分類決策

       分類決策就是在特徵空間中用統計方法把被識別對象歸爲某一類別。基本做法是在樣本訓練基礎上肯定某個判決規則，使按這種判決規則對被識別對象進行分類所形成的錯誤識別率最小或引發的損失最小。