模式识别综述_2.pdf

模式识别综述 模式识别是人类的一项基本智能，在日常生活中，人们经常在进行 “模式识 别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当 然也希望能用计算机来代替或扩展人类的部分脑力劳动。(计算机)模式识别在 20世纪60年代初迅速发展并成为一门新学科。 1 统计模式识别的原理与方法简介法 1.1 模式识别 什 么是模式和模式识别？广义地说，存在于时间和空间中可观察的事 物，如果可以区别它们是否相同或相似，都可以称之为模式；狭义地说，模式是 通过对具体的个别 事物进行观测所得到的具有时间和空间分布的信息；把模式 所属的类别或同一类中模式的总体称为模式类(或简称为类)[1]。而“模式识别” 则是在某些一定量 度或观测基础上把待识模式划分到各自的模式类中去。 模式识别的研究主要集中在两方面，即研 究生物体(包括人)是如何感知 对象的，以及在给定的任务下，如何用计算机实现模式识别的理论和方法。前者 是生理学家、心理学家、生物学家、神经生理学家的 研究内容，属于认知科学 的范畴；后者通过数学家、信息学专家和计算机科学工作者近几十年来的努力， 已经取得了系统的研究成果。 一 个计算机模式识别系统基本上是由三个相互关联而又有明显区别的 过程组成的，即数据生成、模式分析和模式分类。数据生成是将输入模式的原始 信息转换为向量， 成为计算机易于处理的形式。模式分析是对数据进行加工， 包括特征选择、特征提取、数据维数压缩和决定可能存在的类别等。模式分类则 是利用模式分析所获得的 信息，对计算机进行训练，从而制定判别标准，以期 对待识模式进行分类。 有 两种基本的模式识别方法，即统计模式识别方法和结构(句法)模式识别 方法 〖1〗。统计模式识别是对模式的统计分类方法，即结合统计概率论的贝叶 斯决策系统 进行模式识别的技术，又称为决策理论识别方法。利用模式与子模 式分层结构的树状信息所完成的模式识别工作，就是结构模式识别或句法模式识 别。 1.2 统计模式识别 统计模式识别的基本原理是：有相似性的样本在模式空间中互相接近，并形成 “集团”，即“物以类聚”。其分析方法是根据模式所测得的特征向量 Xi (xi1,xi2,…,xid)T(i 1,2,…,N)，将一个给定的模式归入C个类ω1,ω2,…,ωc 中， 然后根据模式之间的距离函数来判别分类。其中，T表示转置；N 为样本点数； d 为样本特征数。 统计模式识别的主要方法有：判别函数法， k 近邻分类法，非线性映射法， 特征分析法，主因子分析法等[1][2][3]。 在统计模式识别中，贝叶斯决策规则从理论上解决了最优分类器的设计问题， 但其实施却必须首先解决更困难的概率密度估计问题。BP 神经网络直接从观测 数据(训练样本)学习，是更简便有效的方法，因而获得了广泛的应用，但它是一 种启发式技术，缺乏指定工程实践的坚实理论基础。统计推断理论研究所取得的 突破性成果导致现代统计学习理论——VC 理论的建立，该理论不仅在严格的数 学基础上圆满地回答了人工神经网络中出现的理论问题，而且导出了一种新的学 习方法——支撑向量机[4][5][6]。 2 模式识别的应用 2.1文字识别 汉 字已有数千年的历史，也是世界上使用人数最多的文字，对于中华民族 灿烂文化的形成和发展有着不可磨灭的功勋。所以在信息技术及计算机技术日益 普及的今天， 如何将文字方便、快速地输入到计算机中已成为影响人机接口效 率的一个重要瓶颈，也关系到计算机能否真正在我过得到普及的应用。目前，汉 字输入主要分为人工 键盘输入和机器自动识别输入两种。其中人工键入速度慢 而且劳动强度大；自动输入又分为汉字识别输入及语音识别输入。从识别技术的 难度来说，手写体识别的难 度高于印刷体识别，而在手写体识别中，脱机手写 体的难度又远远超过了连机手写体识别。到目前为止，除了脱机手写体数字的识 别已有实际应用外，汉字等文字的 脱机手写体识别还处在实验室阶 段。 2.2 语音识别 语 音识别技术技术所涉及的领域包括：信号处理、模式识别、概率论和信 息论、发声机理和听觉机理、人工智能等等。近年来，在生物识别技术领域中， 声纹识别技术 以其独特的方便性、经济性和准确性等优势受到世人瞩目，并日 益成为人们日常生活和工作中重要且普及的安验证方式。而且利用基因算法训练 连续隐马尔柯夫模型 的语音识别方法现已成为语音识别的主流技术，该方法在 语音识别时识别速度较快，也有较高的识别率。