模式识别及最小均方误差算法论文.doc

目录 摘要 2 Abstract 2 一、绪论（introduction） 3 二、模式识别简介(Pattern Recognition introduction) 4 2.1 模式识别和模式的概念 4 2.2 模式识别系统【2】 4 三、模式识别的应用和发展(The application and development of pattern recognition) 6 3.1 模式识别的应用 6 3.2 模式识别的发展 7 3.2.1现状 7 3.2.2发展趋势 8 四、最小平方误差（LMSE） 9 4.1 LMSE验证可分性算法的基本原理 9 4.2 LMSE算法的迭代计算过程 9 4.3 模式类别可分性的判别 10 4.4 LMSE分类算法原理 12 4.5 LMSE分类算法实现【3】 12 五、总结（Summary） 15 参考文献(References) 16 模式识别及最小平方误差算法 Pattern recognition and the least square error algorithm 武汉理工大学信息工程学院信研1206 陈维熙 1049721203164 摘要 本文详细介绍了模式识别系统的概念及模式识别的应用和发展。同时介绍了一种算法:最小平方误差算法（LMSE）。 关键字：模式识别 应用和发展 最小平方误差 Abstract This paper describes the concept of Pattern Recognition systems as well as The application and development of Pattern Recognition。Simultaneously，It introduced an algorithm：Last Mean Square Error（LMSE）。 Keywords:Pattern Recognition;The application and development;Last Mean Square Error 一、绪论（introduction） 模式识别诞生于20世纪20年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代初迅速发展成为一门学科。它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能性。几十年来，模式识别研究取得了大量的成果，在很多地方得到了成功的应用。但是，由于模式识别涉及到很多复杂的问题，现有的理论和方法对于解决这些问题还有很多不足之处。为了使读者更好地掌握后面的各章内容，对于这些内容的有限性和局限性有全面的认识，正确地使用这些理论和方法，进而研究新的理论和方法，本章主要讨论模式识别的一些基本概念和问题，以利于对模式识别的现状和未来的发展方向有更全面的了解。 二、模式识别简介(Pattern Recognition introduction) 2.1 模式识别和模式的概念 我们在生活中时时刻刻都在进行模式识别。环顾四周，我们能认出周围的物体是桌子、椅子，能认出对面的人是张三、李四；听到声音，我们能分辨出是炸带鱼还是臭豆腐。我们所具备的这些模式识别的能力看起来极为平常，谁也不会对此感到惊讶，就连狗猫也能认识它们的主人，更低等的动物也能区别食物和敌害。因此过去的心理学家也没注意到模式识别的能力是个值得研究的问题，就像苹果落地一样习惯不惊。只有在计算机出现以后，当人们企图用计算机来实现人或动物所具备的模式识别的能力时，它的难度才逐步为人们所认识。本书讨论的模式识别是指计算机实现人的模式识别能力。由于计算机的模式识别在多数方面还远不如人，因此研究人脑中的模式识别过程对提高机器的能力是有益的；反之，研究机器模式识别的能力对于理解人脑中的过程也有很大的帮助，认知心理学的很多新模型得益于此。 什么是模式呢？广义地说，存在于时间和空间中可观察的事物，如果我们可以区别它们是否相同或是否相似，都称之为模式。但模式所指的不是事物本身，而是我们从事物获得的信息。因此，模式往往表现为具有时间或空间分布的信息。由于本书主要讨论的是用计算机进行模式识别，信息进入计算机之前通常要经过取样和量化，在计算机中具有时空分布的信息表现为向量即数组。数组中元素的序号可以对应时间和空间，也可以对应其他的标识。例如，医生根据各项化验指标判断疾病种类的模式识别过程中，各种化验项目并不对应实际的时间或空间。因此，对于上面说说的时间应作更广义、更抽象的理解。 人们为了掌握客观事物，按事物相似的程度组成类别。模式识别的作用和目的就在于面对某一具体事物时将其正确地归入某一类别。例如，数字“4”可以有各种不同的字体或写法，但它们属于