《模式识别》吴陈编著|(epub+azw3+mobi+pdf)电子书下载

书名：《模式识别》

【作　者】吴陈编著

【丛书名】普通高等教育人工智能与大数据系列教材

【页 数】 322

【出版社】 北京：机械工业出版社 , 2020.03

【ISBN号】978-7-111-64241-1

【分 类】模式识别-高等学校-教材

【参考文献格式】 吴陈编著. 模式识别. 北京：机械工业出版社, 2020.03.

图书目录：

《模式识别》内容提要：

《模式识别》内容试读

第1章绪论

模式识别诞生于20世纪20年代，随着40 年代计算机的出现和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， 扩大了计算机应用范围。

几十年来，模式识别研究取得了大量的成果， 它已被广泛应用于人工智能、机器人学、 医疗诊断、语音处理、人脸识别、 生物认证等领域。 模式识别中的很多概念需要正确理解，以便掌握和使用模式识别基本原理、 基本方法和基本技术， 从而进一步开展模式识别的新理论和方法的研究。 本章主要讨论模式识别的一些问题， 对模式识别中的基本概念、内容、技术方法、发展方向等加以介绍。

1.1 模式识别的基本概念

模式识别是对表征事物的各种形式的( 数字的、文字的和逻辑关系的) 信息进行处理和分析，对事物和现象进行描述、辨认、 分类和解释的过程。 模式识别是信息科学与人工智能的重要组成部分。究竟什么是模式、 模式识别、模式识别系统等? 这里将给出相应定义。1.样本、模式、模式类

一个具体事物的描述通常称为样本(Sample )。 具有共同信息特征的事物标识性描述称为模式(Pattern)。或者说， 模式是相同样本的归纳描述。狭义上讲， 一个模式也可认为就是一个典型的样本。而广义上讲， 模式可定义为一个供模仿的完美例子。

模式代表的一般并不是一个具体的事物， 而是一类事物， 这些事物含有共同的信息特征。模式是对这些事物的概括性描述。 例如，20世纪80年代， 苏南经济企业模式，就是投资渠道、生产量、 销售等不靠国家及计划形式而有别于原有国企的一种新型经济模式。 它是一类企业的代表。而对于任何其他企业， 可根据其投资和产销量是否靠国家及是否按计划进行，来判断其经济模式。

模式是从客观事物中抽象出来的， 用于识别事物的特征信息描述。 样本可看成是事物的外在表现，而模式是事物的内涵。例如， 一个人可能有多张照片， 每一张照片可看成是一个样本，而这个人本身(的长相) 是其内涵或概括，是一个模式。 样本和模式的关系可以看成是个体和整体的关系。

在实际中，人们也用模式表示具体的事物， 用模式类(Pattern Class)来表示一类事物的 概括性描述。此时， 模式和模式类的关系也称为个体和整体的关系。因此，模式这个词具有单复数同形的特点，需要根据其所处的 上下文来判断其含义。

当模式表示一个个体时， 它实际就是一个样本(“完美的”实例)， 而当其作为集合词时，它实际就是指模式类。

在使用中， 模式和样本或个体一般混淆使用， 并不区分。只有通过上下文才能知道，模式究竟指的是样本个体还是类。数据加载失败，请稍后重试!第1章绪

论

分类决策模块: 对待识别的数据按分类器加以分类， 并输出结果。

后继模块处理的结果特别是决策分类的结果若不理想，可能需要返 回到前面的模块进一步做更深入的处理， 即系统往往具有反馈或精炼环节(见图1.1 中的虚线)。

如两种鱼的分类， 首先要准备这两种鱼的大量样本(一部分作为训练样本，另一部分作为测试样本，这种划分可反复不同地进行) ，然后用摄像机设备获取所有鱼的相应图像 ，对图像去除背景， 去掉不该有的遮挡斑点或缺损斑点， 选择鱼的长度、宽度、 颜色或其组合构成识别用的特征，再用一定的算法对这些特征数据进行学习训练， 形成相应分类规则即构成分类器，并对测试数据加以同样图像处理并经分类器分类， 分类结果与实际结果进行比对，得到识别的正确率，作为未来评判指标。 这样一个识别鱼的模式识别系统就算基本完成。

模式识别系统的所有模块功能都应无须人工干预，由计算机自动完成。分类决策规则一 般由学习算法经过样本训练自动获取， 输出的结果应以适合人类阅读的方式加以表达。

1.2模式识别的内容、特点和方法

1.模式识别的主要研究内容

模式识别研究的主要内容实际上就是分类。 按处理方法或对训练数据的了解程度， 可将模式识别的分类区分为有监督的分类( Supervised Classification)和无监督的分类( UnsupervisedClassification)。如果在设计分类器时， 训练数据即要被分类的样本所属的类别预先已知，那么对应的分类问题就是有监督的分类问题， 对应的学习也称为有监督的学习。否则， 就称为无监督的分类问题， 对应的学习也称为无监督的学习。 学习的目的是为了更好地分类。有监督的分类有时就简称为分类， 而无监督的分类则更多的时候叫作聚类。 聚类需要根据样本本身的相似性将其分成不同的类或簇， 使得类内样本相似，类间样本不相似。 不论样本是否具有内在的结构性， 分类和聚类都是模式识别的主要研究工作内容。另外，模式识别还要研究生物体(包括人)是如何感知对象、 处理对象信息的， 这可能属于认识科学的范畴，也是神经生理学家等的研究内容。计算机和信息科学工作者既要借用神经生理学家的研究结果，用于设计仿生的模式识别系统， 同时也要着力研究和设计各种不同的分类聚类学习算法，以便建立人工智能的模式识别系统。

2.模式识别的主要特点

(1)模式识别一般要进行样本维度约减 维度约减也称为降维。 由于处理的样本数据可能是高维的， 不同的维度中的数据存在一定的相关性， 有的维度对分类没有多大作用，加上计算机的速度和存储容量毕竟是有限的， 所以，对于给定的数据， 通常要进行特征提取，即进行特征选择或变换，实现数据降维， 以便进行高效的模式识别。

(2 模式识别一般分为学习和分类两个阶段 学习阶段就是实现从大量的样本中归纳出同类样本的共同特征， 形成类别判定的特征量化标准， 构成分类器。分类阶段就是对待识别样本依据特征量化标准进行归类， 确定样本所属类别。

(3)模式识别进行分类依据的是样本间的相似性 样本间的相似性是模式识别能够得以进行的基础。“相似”并不意味“相同”。 被识别为同一类的样本只是被认为它们是相似的。模式识别可克服一定的噪声完成样本分类 。即使被识别的对象产生的样本存在一定的形变或其他失真的描述， 模式识别系统也可能仍能正确识别， 因为样本学习训练起到的是一种内插

···试读结束···