模糊信息处理——理论与应用 1第九章 模糊识别技术 模式识别（Pattern Recognition）是本世纪六十年代初迅速发展起来的、与高技术的研究开发有着密切联系的一门新兴学科，是人工智能的重要组成部分。从本质上讲，模式识别所讨论的的核心问题便是如何使机器模拟人脑的思维方法，来对客观事物进行有效地识别和分类，因此，模式识别又经常被称作模式分类（Pattern Classification）。 模式识别的过程大致如图 9.1 的框图所示，包括两个主要的阶段——学习过程和识别过程。学习过程的主要目的是形成识别所需要的判决规则和标准模式，或者构造出分类器。识别过程则是应用已得到的分类器或者识别准则对未知样本进行分类。在学习过程和识别过程中，都首先需要将由“传感器”得到的表征样本的特性（往往表现为物理量 和化 学量 ）进行“数 值 化 ”后 输 入 计 算 机，形成样本数 据 。一般 来说 得到的样本数 据 的数 据 量 大，它 对应的特征空 间 的维数 很 高。而 一般 的分类任 务 最 后 形成的类别数 是比 较 少 的，它 对应的是一个低维的空 间 中的划 分。因此，模式识别可 以 理解 成一个对高维空 间 不 断 变 换 ，不 断 选 取 和保 留重要的特征维，不 断 压 缩 维数 ，最 后 在合 适 的低 维特征空 间 中的确 定 对该 空 间 的划 分过程。而 学习的目的就 是要寻 找 出从高维数 据 空 间 到低 维空 间 的映 射 关 系（维数 压 缩 方法）或映 射规则，以 及 在对应的低 维空 间 的划 分形式。识别的过程是用上述 得到的知识来，确 定 待 识的未知样本在已划 分的特征空 间 中的位 置 。学习过程是获 得类模式原 型 、分类判决规则，设 计分类器； 识别过程，则主要是利 用学习阶段训 练 好 的分类器来对未知模式进行归 类。因此，在模式识别过程中，特征的选 择 、提 取 和分类规则的获 取 （分类器的构造）是关 键 。 待识样本数据采集识别结果输出识别学习特征选择维数压缩模式分类特征描述特征提取训练样本数据输入特征选择维数压缩形成分类器或分类判决规则特征描述特征提取 图 9.1 模式识别的过程 设 计 模式识别系统 ，首先要用各 种 可 能的手 段对识别对象 的性质作各 种 测 量 ，并 将这 些测 量 值 作为分类用的特征。在实 际 应用中，能得到的性质测 量 值 的数 ...
