1 相关概念
1.1 什么是模式？
可以被区分是否相似，存在于时间和空间中可观察的物体之中的信息。（模式不是事务本体，是从事物中获取的信息）
1.2 模式的直观特性
- 可观察性
- 可区分性
- 可相似性
1.3 人与机器的模式识别能力对比
模式识别对于人和动物及其平常，对计算机却非常困难。
1.4 模式识别研究目的
利用计算机对物理对象进行分类，在错误概率最小的条件下，使识别的结果尽量与客观物体相符合。
1.5 模式识别系统的目标以及假说的定义
在特征空间和解释空间之间找到一种映射关系，这种映射关系也称之为假说。
- 特征空间：从模式得到的对分类有用的度量，属性或基本单元构成的空间。
- 解释空间：将C个类别表示为wi∈Ω，i=1，2，...，C，其中欧米伽为所属类别的集合，称为解释空间。（所有类别的集合，因为所有类别是从特征空间被解释分类出来的，所以叫做解释空间）
1-1 关系图示
1.6 监督学习，概念驱动或归纳 假说
用已知的所属类别来训练样本集，按已知的类别的特征向量的分布来确定假说，并用此假说对新的模式样本分类。通常采用足够数量的具有典型的样本进行训练。（类别已知）
1.7 非监督学习，数据启动或演绎 假说
没有先验知识，常采用聚类分析方法，用数学方法分析各特征向量之间的距离以及分散情况。若事先知道划分为几类，则可能获得更好的结果。（类别未知）
1.8 模式分类的主要方法
1.8.1 数据聚类（非监督，数据驱动）
用某种相似性度量的方法将原始数据分类成各种数据集。
1.8.2 统计分类（监督，概念驱动）
用概率统计模型获取各类别特征向量的分布（基于一个类别已知的训练样本集），以此分类。
1.8.3 结构模式识别
分类：按照识别对象的各部分之间的联系来分类。
识别：通过计算一个匹配程度值来评估未知对象某些部分与范例的关系。
验证：制定出描述对象部分之间关系规则后，用句法模式识别来检查一个基本单元是否符合规则。
1.8.4 神经网络（监督和非监督）
起源：受人脑组织的生理学启发而创立
组成：一系列相互联系的，相同的单元。
增强/抑制的实现：调整神经元相互联系的权值。
1.8 模式识别的基本构成
1.8.1 数据获取
用计算机可以运算的符号来表示所研究的对象，如二维图像，一维波形，物理参量和逻辑值。
1.8.2 预处理单元
去噪声，对图像进行修复。
1.8.3 特征提取和选择
对原始数据进行变换，得到最能反映分类本质的特征。
1.8.4 模式表示
维数较高多的测量空间 --> 维数较低的特征空间。
- 测量空间：原始数据组成的空间。
- 特征空间：分类识别赖以进行的空间。
1.8.5 分类决策
在特征空间中用模式识别方法把被识别对象归为某一类。
基本做法：在样本训练集基础上确定一个判别规则，使得错误识别率最小。
1.9 模式分类器的获取和测评过程
数据采集->特征选取->模型选择->训练和测试->计算结果和复杂度分析反馈
- 训练集：一个已知的样本集，用于监督学习中获取判别函数。
- 测试集：没有参与训练的样本集合。
- 系统评价原则：用一组测试集对系统进行测试。
1.10 模式识别的相关案例
1.10.1 统计模式识别
待识别模式：性别
测量的特征：身高和体重
训练样本：15个已知性别样本
目标：借助训练样本的特征建立判断函数
步骤
1.确定判别函数：根据身高体重建立二维特征空间分布图，根据聚类特点确定判别函数
2.识别：看 待分类 的模式特征数值落在特征平面上哪一侧。
1.10.2 句法模式识别
步骤：
1.分解：整个图像结构分解成较简单子图像，再将子图像分解成基本图像单元
2.描述：利用多级树结构对齐进行描述
训练过程：
1.先识别出基本单元（如X，Y，Z等简单平面）和它们之间的连接关系（长方形E是由X，Y，Z三个面拼接而成），用字母代表之。
2.用构造句子的文法来描述生成这幅场景的过程，由此推断出生成该场景的一种文法
识别过程：
1.对未知结构信息提取基本单元以及识别相互结构关系
2.用已得的文法做句法分析
3.看是否能被文法分析得出来。
标签：特征,模式识别,分类,1.8,第一章,类别,空间,概念学习 From： https://www.cnblogs.com/RedNoseBo/p/16626515.html