应 用 科 技
模式识别系统的工作原理及发展趋势
赵志宇
(河南省林业学校 , 河南洛阳 471002)
嘀 到 本文详细说明了模式识别系统的组成结构及工作原理, 并结合世界和我国的模式识别发展趋势, 展望了未来的模式识别的应用方面
哄键词] 模式识别系统; 模式识别的发展趋势
, 模式订拐lJ系统
一个完整的模式识别系统基本上由三大部分组成 , 即数据采集�
数据夕鲤 和分类决策或模型匹酞 在设计模式识别系统时, 需要注意模
式类的定义�应用场合�模式
表
关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf
示�特征提取和选择�聚类分析 �分类
器的设训年口学习�训练和测试样本的选取�性能评价等�针对不同的应
用目的, 模式识别系统三部分的内容可以榭良大的差异, 特别是在数据
处理和模式分类这两部分, 为了提高识别结果的可靠性往往需要加入知
i马牵 (规贝lJ) 以对可能产生的错误进于引嚎正 , 或通过引入限制条件大大
缩小奇彭只另心模式在模型库中的搜索空间八二叉减少匹配计算量�下面将分
别介绍模式识别系统这三部分的工作原理�
们 数据采集:数据采集是士爵d用各种传感器把被研究对象的各种
信息转换为计算机可以接受的数值或符号 (串) 集合�习惯上 , 称这种
数值或符号 (串) 所组成的空间为模式空间�这一步的关键是传感器的
选取�为了从这些数字或符号 (串) 中抽取出对识别有效的信息 , 必须
进行数据处理, 包括数字滤波和特征提孤
2) 数据夕丛理: 数字滤波是为了消除输入数据或信息中的噪声 , 排
除不相干的信号 , 只留下与被研究对象的{生质和采用的识别
方法
快递客服问题件处理详细方法山木方法pdf计算方法pdf华与华方法下载八字理论方法下载
密切相
关的特征 (如表征物体的形状� 周长 �面积等等)�在进行指纹识别时,
指纹扫描设备采用合适的滤波算法, 如基于块方图的方向滤波�二值滤
波等 , 过滤澎 旨纹图像中不必要的部分�
特征提取是指从滤波数据中衍生出有用的信息, 从许多特征中寻
找出最有效的特征 , 以圈氏后续处理过程的难度 �朔门对滤波后的这些
特征进行必要的计算后, 通过特征选招环口提取或基元选择形成模式的特
征空间�那么, 女川可半J别什么特征是最韦效的呢, 人类很容易获取的特
征 , 对于机器来主洽扰很难获取了, 这就是模式识另日中的特征选择与提取
的问题�特征选择和提取是模式识别的一个关键问题�一般情况下, 候
选特征种类越多, 得到的结果应该越好�但是, 由此可能会引发维数灾
害 , 即特征维数过高, 计算机难以求解�因此 , 数据处理阶段的关键是
滤波算法和特征提取方法的选取�不同的应用场合 , 采用的滤波算法和
特征提取方法以及提取出来的特征也会不同�
3) 分类决策或模型匹配:基于数据处理生成的模式特征空间, 人
们就可以进行模式识别的最后一部分:模式分类或模型匹配�该阶段最
后输出的可能是对象所属的类型 , 也可能是模型数愿牵中与对象最相似
的模式编号�
模式分类或描述通常是基于已经得到分类或描述的模式集合而进
行的�人们称这个模式集合为训练集 , 由此产生的学习策略称为监督学
习�学习也可以是非监督性学习, 在此意义下产生的系统不需要提供模
式类的先验知识 , 而是基于模式的统计规律或模式的相似性学习判断模
式的类别�
模式分类或模式匹配的方法葡民多, 主要是基于以下思想设计的:
成员表 , 即
模板
个人简介word模板免费下载关于员工迟到处罚通告模板康奈尔office模板下载康奈尔 笔记本 模板 下载软件方案模板免费下载
匹配�基于该思想, 分类系统中会预先存储属于同一模
式类的模式集 , 然后将输入的未知模式与系统中已有的模式相比较 , 具
有相同或相似匹配的模式类即为该未知模式的所属类型�一删寺征: 这
里模式的一般特征被存储在一个分类系统中 , 当有一个未知模式进入该
系统时 , 系统会将其一般特征与系统中现有类的一般特征相比较 , 并将
其归入到与其有相似特征的类中�聚类 文中笔者用实数向量来表示目
标类的模式, 这样 , 利用其聚类特性 , 可以轻易地将未知模式进行分
类�如果目标向量在几何位置上相距很远 , 就容易确定未知模式的类
别�但是如果目标向量相距较近 , 或甚至有重叠 , 人们就需要采用比较
复杂的算法来确定未知模式的类别�最小距离分类法就是一个基于聚类
概念的{ 重算法�该算法通过计算未知模式与希望的已知模式集之间的
距离八斗抉定哪一个已知模式与该未知模式最近 , 并最终将该未知模式
归入到与斯目距最短的己口模式类中�该算法对于目标向量在几何位置
上相足彭民远的模式分类很有效�
神经元: 上面的模式分类思想都是基于机器的直接计算 , 而直接
计算则是基于数学相关的技术�仿生学是指将生物学知识应用到电子机
器中�字衫圣系统方法就是将生物知识应用于机器中来进行模式识别 , 从
而引进了人工神经元网络�一个神经元网络是一个信息处理系统 , 由大
量简单的数据处理单元组成 , 这些单元互相连接, 协同工作 , 从而实现
大规模并行分布处理�神经元网络具有自适应学习� 自组织和容错力等
优点由于这些突出特点 , 人们可以应用神经元网络进行模式识别�一
些最好的神经元网络模型是后向传播网络�高阶网络�时延和周期性网
络�通常 , 人们利用前向传播网络进行模式识别�前向传播也丰无是没有
回到输入端的反馈信息�与人类从错误中得到教U}1相似 , 神经元网络也
能通过向输入端反馈信息, 从其错误中得到教训�通过反馈可以重建输
入模式 , 避免产生错误 , 从而提高神经元网络的性能�当然 , 构造这样
的神经元网非常复杂�这势 申经元网络要用到后向传播算法 旧P) �后
向传播算法的主要问题之一是局部极小问题 �另外 , 神经元网络在学习
速度� 结构选择�特征表示 �模块性�缩放性等方面也都存在一些问
题�虽脚申经元网络年在这样刃瞬 的问题和困难 , 但是其发展潜力还是
巨大的�
2 模式订拐lJ技术的发展趋势
21 语音识另q技术
语音识别技术正逐步成为信息技术中人机接口的关键技术 , 语音
技术的应用已经成为一个具有竞钊生的新兴高技术产业�中国互联网中
心的市场瑟咖(:未来5年, 中文语音技术领域将会有超过40�亿人民币
的市场容量 , 然后每年以超过30 % 的速度增长�
22 生物认i剐支术
生物认证技术是本世纪最受关注的安全认证技术 , 它的发展是大
势所趋 �人们愿意忘掉所有的密码�扔掉所有的磁卡, 凭借自身的唯一
性来杨只身份与保密�在银行里 , 人们只需伸出荆 旨放在识别仪上就可
以存取现金将指日可待 �国际数据集团 (ID C) 预测: 作为未来的必然
发展方向的移动电子商务基础核心技术的生物识别技术在未来10 年的
时间里将达到 100 美元的市场规模�
乃 数字水印技术
90 年代以来才在国际上开始发展起来的数字水印技术是最具发展
潜力与优势的数字媒体版权保护技术�旧C预测 , 数字水印技术在未来
的5年内全球市场容量超过80 亿美元
3 结语
模式识别从20桂l途己20年代发展至今,我们所要做的是结合具体问
题把统计的和句法的识别结合起来, 把统计模式识别或句法模式识别与
人工智能中的启发式搜索结合起来 , 把统计模式识别或句法模式识别与
支持向量机的机器学习结合起来, 把人工神经元网络与各种已有技术以
及人工智能中的专家系统�不确定推理方法结合起来, 深入掌握各种工
具的效能和应有的可能性, 互相取长辛}短 , 开仓 模式识别应用的新局面�
!参考文献了
111 边肇祺,张学工等编著模式i朋lJ,( 第二版川匕京:澎荞大学出版让创朋口
I2] 王碧泉,陈阻荫一模式溅 {{理论 �方法和应用 北京:地震出版址, ∀ 8 , 口
m丽俪汕#而 219