第一篇：關于學習了解模式識別技術報告

關于了解學習模式識別技術報告

談起模式識別，我們首先想到的是人工智能。模式識別是人工智能的一個分支，是計算機應用內容的一部分。要想了解學習模式識別，首先要懂得人工智能。

第一篇 人工智能

什么是人工智能呢？人工智能主要用人工的方法和技術，模仿，延伸和擴展人的智能，實現機器智能。人工智能的長期目標是實現達到人類智力水平的人工智能。（摘自《人工智能》史忠植編著，第一章 緒論）

簡單來說就是使機器擁有類人行為方法，類人思維方法和理性行為方法。讓機器像人一樣擁有自主思維的能力，擁有人的生存技能，甚至在某方面超過人類，用所擁有的技能，更好的為人類服務，解放人類的雙手。

簡單了解了人工智能的概念，接下來將介紹人工智能的起源與發展歷史。說到歷史，很多人可能有點不大相信。人類對智能機器的夢想和追求可以追溯到三千多年前。也許你會有疑問，三千多年前，人類文明發展都不算成熟，怎么可能會有人對機器有概念。當然，那時候的機器并非現在的機器概念。在我國，早在西周時代（公元前1066~公元前771年），就流傳有關巧匠偃師獻給周穆王藝伎的故事。東漢（公元25~公元220年）張衡發明的指南車是世界上最早的機器人雛形。（摘自《人工智能》史忠植編著，第一章 緒論）現在你也許已經笑掉大牙了。那樣一個簡易工具竟然說是機器人雛形。但是事實就是這樣，現在對機器人的概念依舊模糊，有些人覺得機器人必須先有像人一樣的外形。其次是有人一樣的思維。這個描述是沒有錯的，但是有點片面了，只顧及到字面意思了。機器人的概念是自動執行工作的機器裝置。所以機器可以自動執行工作都叫機器人。在國外也有案例：古希臘斯吉塔拉人亞里士多德（公元前384年~公元前322年）的《工具論》，為形式邏輯奠定了基礎。布爾創立的邏輯代數系統，用符號語言描述了思維活動中推理的基本法則，被后世稱為“布爾代數”。這些理論基礎對人工智能的創立發揮了重要作用。（摘自《人工智能》史忠植編著，第一章 緒論）人工智能的發展歷史，可大致分為孕育期，形成期，基于知識的系統，神經網絡的復興和智能體的興起。具體時期的主要內容在此不必贅述。

人工智能究竟是研究什么的呢？知道了概念，起源，我想更想知道的應該是它對我們自己究竟有什么用。

人工智能是一門新興的邊緣科學，是自然科學和社會科學的交叉學科，它吸取了自然科學和社會科學的最新成果，以只能為核心，形成了具有自身研究特點的新的體系。人工智能的研究涉及廣泛的領域，包括知識表示，搜索技術，機器學習，求解數據和知識不確定問題的各種方法等。人工智能的應用領域包括專家系統，博弈，定理證明，自然語言理解，圖像理解和機器人等。人工智能也是一門綜合性的學科，它是在控制論，信息論和系統論的基礎上誕生的，涉及哲學，心理學，認知科學，計算機科學，數學以及各種工程學方法，這些學科為人工智能的研究提供了豐富的知識和研究方法。（摘自《人工智能》史忠植編著，第一章 緒論）具體內容為： 1.認知建模，人類的認知過程是非常復雜的，建立認知模型和技術常稱為認知建模，目的是為了從某些方面探索和研究人的思維機制，特別是人的信息處理機制，同時也為設計相應的人工智能系統提供新的體系結構和技術方法；

2.知識表示，人類的智能活動過程主要是一個獲得并運用知識的過程，知識是智能的基礎。人們通過實踐，認識到客觀世界的規律性，經過加工整理，解釋，挑選和改造而形成知識。為了使計算機具有智能功能，使它能模擬人類的智能行為，就必須使他具有適當形式表示的知識。知識表示是人工智能中一個十分重要的研究領域。

3.自動推理，從一個或幾個已知的判斷（前提）邏輯地推論出一個新的判斷（結論）的思維形式稱為推理，這是事物的客觀聯系在意識中的反映。自動推理是知識的使用過程，人解決問題就是利用以往的知識，通過推理得出結論。自動推理是人工智能研究的核心問題之一。

4.機器學習，機器學習是研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能。只有讓計算機系統具有類似人的學習能力，才有可能實現人類水平的人工智能。機器學習是人工智能研究的核心問題之一，是當前人工智能理論研究和實際應用非?；钴S的研究領域。

在人工智能研究方面，不僅僅有眾多的類別，同時有不同的研究學派。其中有:符號主義學派，連接主義學派，行為主義學派。

符號主義學派，亦稱為功能模擬學派。主要觀點認為智能活動的基礎是物理符號系統，思維過程是符號模式的處理過程。該學派指出：展現一般智能行為的物理系統其充要條件是它是一個物理符號系統。充分性表明智能可以通過任意合理組織的物理符號系統來得到。必要性表明一個由一般智能的主體必須是一個物理符號系統的一個實例。物理符號系統假設的必要性要求一個智能體，不管它是人，外星人還是計算機，都必須通過在符號結構上操作的物理實現來獲得智能。

連接主義學派，亦稱為結構模擬學派，基于神經元和神經網絡的連接機制和學習算法。這種研究方法能夠進行非程序的，可適應環境變化的，類似人類大腦風格的信息處理方法的本質和能力，這種學派的主要觀點認為，大腦是一切智能活動的基礎，因而從大腦神經元及其連接機制出發進行研究，搞清楚大腦的結構以及它進行信息處理的過程和機理，渴望揭示人類智能的奧秘，從而真正實現人類智能在機器上的模擬。

行為主義學派，亦稱為模擬學派，認為智能行為的基礎是“感知-行動”的反應機制?；谥悄芸刂葡到y的理論，方法和技術，研究擬人的智能控制行為。

上述三種研究方法從不同的側面研究了人的自然智能，與人腦的思維模型有著對應的關系。粗略額的劃分，可以認為符號主義研究抽象思維，連接主義研究形象思維，而行為主義研究感知思維。研究人工智能的三大學派，三條途徑各有所長，要取長補短，綜合集成。

最為重要的莫過于人工智能的應用，當前，幾乎所有的科學與技術的分支都在共享著人工智能領域所提供的理論和技術。在這里將列舉一些人工智能經典的，有代表性和有重要影響的應用領域。

1.專家系統

專家系統是一類具有專門知識和經驗的計算機智能程序系統通過對人類專家的問題求解能力的建模，采用人工智能中的知識表示和知識推理技術來模擬通常有專家才能解決的復雜問題，達到具有與專家同等解決問題能力的水平。（摘自《人工智能》史忠植編著，第一章 緒論）

2.數據挖掘

數據挖掘是人工智能領域中一個令人激動的成功應用它能夠滿足人們從大量數據中挖掘出隱含的，未知的，有潛在價值的信息和知識的要求。對數據而言，在他的特定工作或生活環境里，自動發現隱藏在數據內部的，可被利用的信息和知識。要實現這些目標，需要有大量的原始數據，明確的挖掘目標，相應的領域知識，友善的人-機界面，以及尋找合適的開發方式。挖掘結果共數據擁有者決策使用，必須得到擁有者的支持，認可和參與。（摘自《人工智能》史忠植編著，第一章

緒論）

3.自然語言處理

自然語言處理研究計算機通過人類熟悉的自然語言與用戶進行聽，說，讀，寫，等交流技術，是一門與語言學，計算機科學，數學，心理學和聲學等學科相聯系的交叉性學科。自然語言處理研究內容主要包括：語言計算（語音與音位，詞法，句法，語義和語用等各個層面上的計算），語言資源建設（計算機詞匯學，術語學，電子詞典，語料庫和知識本體等），機器翻譯或機器輔助翻譯，漢語和少數民族語言文字輸入輸出及其只能處理，中文手寫和印刷體識別，中文語音識別及文語轉換，信息檢索，信息抽取與過濾，文本分類，中文搜索引擎和以自然語言為樞紐的多媒體檢索等。

4.智能機器人

智能機器人是一種自動化時代的機器，具有相當大的“大腦”，具備一些人或生物相似的智能能力，如感知能力，規劃能力，動作能力和協同能力，是一種具有高度靈活性的自動化機器。隨著人們對機器人技術智能化本質的認識的加深，機器人技術開始向人類活動的各個領域滲透。結合這些領域的應用特點，人們發展了各式各樣的具有感知，決策，行動和交互能力的特種機器人和各種智能機器。（摘自《人工智能》史忠植編著，第一章 緒論）

5.模式識別

模式識別是指對表征事物或現象的各種形式的信息進行處理和分析，以便對事物或現象進行描述，辨認，分類和解釋過程。模式是信息賴以存在和傳遞形式，諸如波普信號，圖形，文字，物體的形狀，行為的方式和過程的狀態等都屬于模式的范疇。人們通過模式感知外部世界的各種事物或現象，這是獲取知識，形成概念和作出反應的基礎。（摘自《人工智能》史忠植編著，第一章 緒論）

6.分布式人工智能

分布式人工智能研究一組分布的，松散耦合的智能體如何運用他們的知識，技能和信息，為實現各自的或全局的目標協同工作。20世紀90年代以來，互聯網的迅速發展為新的信息系統，決策系統和知識系統的發展提供了極好的條件，它們在規模，范圍和復雜程度上增加極快，分布式人工智能技術的開發與應用越來越成為這些系統成功的關鍵。（摘自《人工智能》史忠植編著，第一章 緒論）

7.互聯網智能

如果說計算機的出現為人工智能的實現提供了物質基礎，那么互聯網的產生和發展則成為人工智能提供了更加廣闊的空間，成為當今人類社會信息化的標志?；ヂ摼W已經成為越來越多的“數字圖書館”，人們普遍使用Google，百度等搜索引擎，為自己的日常工作和生活服務。（摘自《人工智能》史忠植編著，第一章 緒論）

8.博弈

博弈是人類社會和自然界中普遍存在的一種現象，如下棋，打牌，戰爭等。博弈的雙方可以是個人，群體，也可以是生物群或智能機器，各方都力圖用自己的智慧獲取成功或擊敗對方。博弈過程可能產生驚人龐大的搜索空間。要搜索這些龐大而且復雜的空間需要使用強大的技術來判斷備擇狀態，探索問題空間，這些技術被稱為啟發式搜索。博弈為人工智能提供了一個很好的實驗場所，可以對人工智能的技術進行檢驗，以促進這些技術的發展。（摘自《人工智能》史忠植編著，第一章 緒論）

人工智能大的方面介紹暫且到此為止。接下來重點介紹模式識別技術。

第二篇 模式識別

模式識別已經成為當代高科技研究的重要領域之一，它已發展成為一門獨立的新科學。模式識別技術迅速擴展，已經應用在人工智能，機器人，系統控制，遙感數據分析，生物醫學工程，軍事目標識別等領域，幾乎遍及各個學科領域，在國民經濟，國防建設，社會發展的各個方面得到廣泛應用，產生了深遠的影響。像前一篇一樣我們先來介紹模式識別的概念。

模式識別就是機器識別，計算機識別或機器自動識別，目的在于讓機器自動識別事物。（摘自《模式識別與智能計算——MATLAB著 第1章 模式識別概述）

技術實現》楊淑瑩識別是對各種事物或現象的分析，描述，判斷。模式識別是指在某些一定量度或觀測基礎上，把待識別模式劃分到各自的模式中去，即根據模式的特性，將其判斷為某一類。（摘自《模式識別技術及其應用》楊幫華著 第1章 模式識別簡介）

例如手寫數字的識別，結果就是將手寫的數字分到具體的數字類別中；智能交通管理系統的識別，就是判斷是否有汽車闖紅燈，闖紅燈的汽車車牌號碼；還有文字識別，語音識別，圖像中物體識別，等等。該學科研究的內容是使機器能做以前只能由人類才能做的事，具備人所具有對各種事物與現象進行分析，描述與判斷的部分能力。模式識別是直觀的，無所不在的，實際上人類在日常生活的每個環節，都從事著模式識別的活動。人和動物較用意做到的模式識別，但對計算機來說確實非常困難的。讓機器能識別，分類，就需要研究識別的方法，這就是這門科學的任務。

模式識別的基本組成：（1）數據獲??；

用計算機可以運算的符號來表示所研究的對象，這些可表示的符號包括：二維圖像，如文字，指紋，地圖，照片等；一維波形，如腦電圖，心電圖，機械振動波形等；物理參量和邏輯值，如體溫，化驗數據，參量正常與否的描述。

（2）預處理；

去除信號中噪聲，提取有用信息，使信息純化，或者是對輸入測量儀器或其他因素所造成的退化現象進行復原。預處理這個環節內容很廣泛，與要解決的具體問題有關，例如，從圖像中汽車車牌的號碼識別出來，就需要先將車牌從圖像中找出來，再對車牌進行劃分，將每個數字分別劃分開。

（3）特征提取和選擇；

要對預處理信號進行交換，得到最能反映分類本質的特征。同時，對特征進行必要的降維處理，將維數較高的測量空間轉換到維數較低的特征空間，對所獲取的信息實現從測量空間到特征空間的轉換。

（4）分類器設計和決策。

分類器設計是指依據特定空間分布，設計及決定分類器的具體參數。主要是指對輸入的訓練樣本，進行預處理，特征提取及選擇，在樣本訓練基礎上，確定某判決規劃規則或判決函數，使得按這種規則對被識別對象進行分類，所造成的錯誤識別率最小或引起的損失最小，在設計階段判決函數需要多次反復進行，直到誤差達到一定條件。分類決策是指依據分類器設計階段建立的預處理，特征提取與選擇及判決函數模型，對獲取的未知樣本數據進行分類識別，把被識別對象歸為某一類，輸出分類結果

模式識別的特點：

（1）模式識別是用機器模仿大腦的識別過程，設計很大的數據集合，并自動地以高速度做出決策。

（2）模式識別不像純數學，而是抽象加上實驗的一個領域。他的這個性質常常導致不平凡的和比較成效的應用，而應用又促進進一步的研究和發展。由于它和應用的關系密切，因此它又被認為是一門工程學科。

（3）學習（自適應性）是模式識別的一個重要的過程和標志。但是，編制學習程序比較困難，而有效地消除這種程度中的錯誤更難，因為這種程序是有智能的。

（4）同人的能力相比，現有的模式識別能力仍然是相當薄弱的（對圖案和顏色的識別除外），機器通常不能應付大多數困難問題。采用交互式別法可以在較大程度上克服這一困難，當機器不能做出一個可靠的決策時，它可以求助于操作人。（摘自《模式識別技術及其應用》楊幫華著 第1章 模式識別簡介）

模式識別的主要方法： 1.統計決策法

（1）參數方法。主要以貝葉斯決策準則為指導。其中最小錯誤率和最小風險貝葉斯決策是最常用的兩種方法。

（2）非參數方法。沿參數方法這條路走就要設法獲取樣本統計分布的資料，要知道先驗概率，類分布概率密度函數等。然而在樣本數目不足條件下要獲取準確的統計也是困難的。這樣一來人們考慮走另一條道路，即根據訓練樣本集提供的信息，直接進行分類器設計。這種方法繞過統計分布狀況的分析和參數估計，而企圖對特征空間實行劃分，稱為非參數判別分類法，即不依賴統計參數的分類法。這是當前模式識別中主要使用的方法，并且涉及人工神經元網絡與統計學習理論等多方面。2.結構模式識別

結構模式識別是利用模式的結構描述與句法描述之間的相似性對模式進行分類。每個模式由它的各個子部分（稱為子模式或模式基元）的組合來表示。對模式的識別常以句法分析的方式進行，即依據給定的一組句法規則來剖析模式的結構。當模式中每一個基元被辨認后，識別過程就可通過執行語法分析來實現。選擇合適的基元是結構模式識別的關鍵。3.模糊模式識別

所謂的模糊模式識別就是解決模式識別問題時引入模糊邏輯的方法或思想。同一般的模式識別方法相比較，模糊模式識別具有客體信息表達更加合理，信息利用充分，各種算法簡單靈巧，識別穩定性好，推理能力強的特點。4.人工神經網絡模式識別

模擬動物神經系統的某些功能，采用軟件或硬件的辦法，建立了許多以大量處理單元為結點，處理單元間實現（加權值的）互聯的拓撲網絡，進行模擬，稱之為人工神經網絡。這種方法可以看作是對原始特征空間進行非線性變換，產生一個新的樣本空間，使得變換后的特征線性可分。同傳統統計方法相比，其分類器是與概率分布無關的。人工神經網絡的主要特點在于其具有信息處理的并行性，自組織和自適應性，具有很強的學習能力和聯想功能以及容錯性能等，在解決一些復雜的模式識別問題中顯示出其獨特的優勢。模式識別的典型應用和發展： 1.文字識別

目前，漢字輸入主要分為人工鍵盤輸入和機器自動識別輸入兩種。其中人工鍵入速度慢而且勞動強度大；自動輸入又分為漢字識別輸入及語音識別輸入。從識別技術的難度來說，手寫識別的難度高于印刷體識別，而在手寫識別中，脫機手寫體的難度又遠遠超過了聯機手寫識別。到目前為止，除了脫機手寫體數字的識別已有實際應用外，漢字等文字的脫機手寫體識別還處在實驗室階段。2.語音識別

語音識別技術所涉及的領域包括信號處理，模式識別，概率論和信息論，發聲機理和聽覺機理，人工智能等。3.指紋識別

指紋識別的方法有很多，大致可以分為四類：基于神經網路地方法，基于奇異點的方法，語法分析地方法和其他方法。4.細胞識別

基于圖像區域特征，利用計算機技術對顯微細胞圖像進行自動識別越來越受到大家的關注，并且現在也獲得了不錯的效果。5.醫學診斷

在癌細胞檢測，X射線照片分析，血液化驗，血液分析，染色體分析，心電圖診斷和腦電圖診斷等方面，模式識別已取得了成效。6.軍用目的的自動識別 如雷達探測目標的自動識別，自動跟蹤，衛星照片的自動識別等。7.生物認證技術

生物認證技術是21世紀最受關注的安全認證技術之一，它的發展是大勢所趨。人們愿意忘掉所有的密碼，扔掉所有的磁卡，憑借自身的唯一性標識身份與保密。8.數字水印技術

IDC預測，數字水印技術在未來的5年內全球市場規模超過80億美元.模式識別的發展，模式識別是一個交叉，綜合的科學技術領域，不僅與其他信息學科而且還包括數理科學，生命科學，地球科學，工程與材料科學，管理科學，環境科學的相互作用和滲透越來越高，其科學界限很可能隨著發展而逐漸模糊。其發展離不開應用和工程，離不開國家目標。因此，其科學技術內涵與外延應該與時俱進，更新和擴展，研究的方向與內容應該更具有綜合性，交叉性，更強調國家目標的實現，解決國家急需的重大問題，重大關鍵技術攻關和社會發展中的科學技術難題和基礎理論問題。

模式識別從20世紀20年代發展至今，人們的一種普遍看法是不存在對所有模式識別問題都適用的單一模型和解決問題的單一技術，我們現在擁有的只是一個工具袋，所要做的是結合具體問題把統計的和句法的識別結合起來，把統計模式識別或句法模式識別與人工智能中的啟發式搜索結合起來，把人工神經網絡與各種已有技術以及人工智能中的專家系統，不確定推理方法結合起來，深入掌握各種工具的效能和應有的可能性，互相取長補短，開創模式識別應用的新局面。

模式識別是一項全新的高科技的技術，我們實踐團隊雖然在了解這個技術做了很多努力，但是畢竟了解到的也只是皮毛而已。在這個科技突飛猛進的時代，每天都更新著不同的技術，只有不斷地去學習，才能適應這個社會，適應這個時代。模式識別的了解學習報告暫時告一段落，接下來我們將進入中科院，采訪專業人士，來解決我們的困惑。

第二篇：模式識別課程報告

模式識別文獻綜述報告

一，文獻綜述報告

閱讀至少5篇論文（最好包含1篇英文論文；自己去學校電子圖書館下載，考慮中國知網；IEEE，Elsevier等數據庫），寫一篇文獻綜述報告。

1.選題不限，可以是任何一種模式識別算法（例如k-means，kNN，bayes，SVM，PCA，LDA等），閱讀所選題方面的相關文獻（論文都是關于一個主題的，例如都是svm算法方面的）。

2.寫一份文獻綜述報告，包括：每篇論文主要使用什么算法實現什么，論文有沒有對算法做出改進（為什么改進，原算法存在什么問題，改進方法是什么），論文中做了什么對比試驗，實驗結論是什么？注意，盡量用自己的話總結，不要照抄原文。可以加入自己的分析和想法，例如這篇論文還存在什么問題或者缺點，這篇論文所作出的改進策略是否好，你自己對算法有沒有什么改進的想法？

3.把閱讀的參考文獻寫在報告后面。（包括：作者；論文名稱；期刊名稱；出版年，卷號（期號），頁碼。例如：[1] 趙銀娣，張良培，李平湘，一種紋理特征融合分類算法，武漢大學學報，信息科學版，2006,31(3):278-281.）

二、寫一下學習這門課的心得體會（占分數）。

學習這門課有什么收獲？老師在教學中還應該加入些什么教學內容？或者有哪些教學內容需要刪減？需要調整？對于作業（上機實驗）內容有什么意見和建議？目前內容過多過難還是適中？你希望出什么樣的上機題目（可以得到好的鍛煉和能力的提高）？完成作業過程中有什么收獲和體會？有沒有對模式識別或者某種模式識別的算法比較感興趣？有什么想法？

第三篇：模式識別報告格式1

模式識別報告格式

一、封皮的填寫：實驗課程名稱 模式識別

二、實驗名稱：按順序填寫圖像的貝葉斯分類、K均值聚類算法、神經網絡模式識別

三、年月：2013年4月

四、紙張要求：統一采用A4大小紙張，左側裝訂，裝訂順序與實驗順序一致。

五、書寫要求：

1、報告可以手寫也可以打印。

2、實驗圖像及結果圖像打印，圖像均位于實驗結果與分析部分，圖像打印于紙張上部，下部為實驗分析。

3、報告中圖要有圖序及名稱，表要有表序及名稱，每個實驗的圖序和表序單獨標號，具體格式參照畢業設計手冊。不合格者扣除相應分數。

4、每個實驗均需另起一頁書寫。

六、關于雷同報告：報告上交后，如有雷同，則課程考核以不及格處理，不再另行通知修改。

實驗

一、圖像的貝葉斯分類

一、實驗目的將模式識別方法與圖像處理技術相結合，掌握利用最小錯分概率貝葉斯分類器進行圖像分類的基本方法，通過實驗加深對基本概念的理解。

二、實驗儀器設備及軟件

HP D538、MATLAB

三、實驗原理

以自己的語言結合課堂筆記進行總結，要求過程推導清晰明了。

四、實驗步驟及程序

實驗步驟、程序流程、實驗源程序齊全。

五、實驗結果與分析

要求寫明實驗得到的分割閾值，附分割效果圖。對實驗結果進行分析，說明實驗結果好或者不好的原因，提出改進措施。

（另起一頁）

實驗

二、K均值聚類算法

一、實驗目的將模式識別方法與圖像處理技術相結合，掌握利用K均值聚類算法進行圖像分類的基本方法，通過實驗加深對基本概念的理解。

二、實驗儀器設備及軟件

HP D538、MATLAB、WIT

三、實驗原理

以自己的語言結合課堂筆記進行總結，要求過程推導清晰明了。

四、實驗步驟及程序

實驗步驟、程序流程、MATLAB及WIT實驗源程序齊全，WIT聚類程序可以圖像形式

附于報告上。

五、實驗結果與分析

以MATLAB和WIT分別實現K均值圖像聚類算法，寫明聚類類別數、聚類中心、迭代次數、運行時間，附原始圖像和分類結果圖像，并做實驗分析。

（另起一頁）

實驗

三、神經網絡模式識別

一、實驗目的掌握利用感知器和BP網進行模式識別的基本方法，通過實驗加深對基本概念的理解。

二、實驗儀器設備及軟件

HP D538、MATLAB

三、實驗原理

以自己的語言結合課堂筆記及相關資料進行總結，要求過程推導清晰明了。

四、實驗步驟及程序

感知器實驗：

1、設計線性可分實驗，要求訓練樣本10個以上

2、奇異樣本對網絡訓練的影響

3、以線性不可分樣本集訓練分類器

BP網實驗：利用BP網對上述線性不可分樣本集進行分類

五、實驗結果與分析

寫明迭代次數、訓練時間，附分類界面效果圖，并討論奇異樣本對分類器訓練的影響。

第四篇：人工智能-多種模式識別的調研報告

鄭州科技學院

鄭州科技學院

本科畢業設計（論文）

題 目 多種模式識別的調研報告 姓 名 閆 永 光 專 業 計算機科學與技術 學 號 201115025 指導教師

鄭州科技學院信息工程系 二○一四年六月

鄭州科技學院

摘 要

信息技術的飛速發展使得人工智能的應用范圍變得越來越廣，而模式識別作為其中的一個重要方面，一直是人工智能研究的重要方向。在介紹人工智能和模式識別的相關知識的同時，對人工智能在模式識別中的應用進行了一定的論述。

模式識別(Pattern Recognition)是人類的一項基本智能，著20世紀40年代計算機的出現以及50年代人工智能的興起，模式識別技術有了長足的發展。模式識別與統計學、心理學、語言學、計算機科學、生物學、控制論等都有關系。它與人工智能、圖像處理 的研究有交叉關系。模式識別的發展潛力巨大。

關鍵詞：模式識別； 人工智能； 多種模式識別的應用； 模式識別技術的發展潛力

鄭州科技學院

引言

隨著計算機應用范圍不斷的拓寬，我們對于計算機具有更加有效的感知“能力”，諸如對聲音、文字、圖像、溫度以及震動等外界信息，這樣就可以依靠計算機來對人類的生存環境進行數字化改造。但是從一般的意義上來講，當前的計算機都無法直接感知這些信息，而只能通過人在鍵盤、鼠標等外設上的操作才能感知外部信息。雖然攝像儀、圖文掃描儀和話筒等相關設備已經部分的解決了非電信號的轉換問題，但是仍然存在著識別技術不高，不能確保計算機真正的感知所采錄的究竟是什么信息。這直接使得計算機對外部世界的感知能力低下，成為計算機應用發展的瓶頸。這時，能夠提高計算機外部感知能力的學科——模式識別應運而生，并得到了快速的發展。人工智能中所提到的模式識別是指采用計算機來代替人類或者是幫助人類來感知外部信息，可以說是一種對人類感知能力的一種仿真模擬。它探討的是計算機模式識別系統的建立，通過計算機系統來模擬人類感官對外界信息的識別和感知

1、模式識別

什么是模式和模式識別？

模式可分成抽象的和具體的兩種形式。前者如意識、思想、議論等,屬于概念識別研究的范疇,是人工智能的另一研究分支。我們所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、照片、文字、符號、生物傳感器等對象的具體模式進行辨識和分類。

模式識別(Pattern Recognition)是指對表征事物或現象的各種形式的(數值的、文字的和邏輯關系的)信息進行處理和分析,以對事物或現象進行描述、辨認、分類和解釋的過程,是信息科學和人工智能的重要組成部分。模式識別又常稱作模式分類，從處理問題的性質和解決問題的方法等角度，模式識別分為有監督的分類（Supervised Classification）和無監督的分類(Unsupervised Classification)兩種。二者的主要差別在于，各實驗樣本所屬的類別是否預先已知。一般說來，有監督的分類往往需要提供大量已知類別的樣本，但在實際問題中，這是存在一定困難的，因此研究無監督的分類就變得十分有必要了。

鄭州科技學院

2、人工智能

人工智能的定義可以分為兩部分，即“人工”和“智能”?！叭斯ぁ北容^好理解，爭議性也不大。有時我們會要考慮什么是人力所能及制造的，或者人自身的智能程度有沒有高到可以創造人工智能的地步，等等。但總的來說，“人工系統”就是通常意義下的人工系統。

關于什么是“智能”，就問題多多了。這涉及到其它諸如意識（consciousness）、自我（self）、思維（mind）（包括無意識的思維（unconscious_mind）等等問題。人唯一了解的智能是人本身的智能，這是普遍認同的觀點。但是我們對我們自身智能的理解都非常有限，對構成人的智能的必要元素也了解有限，所以就很難定義什么是“人工”制造的“智能”了。因此人工智能的研究往往涉及對人的智能本身的研究。其它關于動物或其它人造系統的智能也普遍被認為是人工智能相關的研究課題。

人工智能目前在計算機領域內，得到了愈加廣泛的重視。并在機器人，經濟政治決策，控制系統，仿真系統中得到應用。

人工智能是研究使計算機來模擬人的某些思維過程和智能行為（如學習、推理、思考、規劃等）的學科，主要包括計算機實現智能的原理、制造類似于人腦智能的計算機，使計算機能實現更高層次的應用。人工智能將涉及到計算機科學、心理學、哲學和語言學等學科。可以說幾乎是自然科學和社會科學的所有學科，其范圍已遠遠超出了計算機科學的范疇，人工智能與思維科學的關系是實踐和理論的關系，人工智能是處于思維科學的技術應用層次，是它的一個應用分支。從思維觀點看，人工智能不僅限于邏輯思維，要考慮形象思維、靈感思維才能促進人工智能的突破性的發展，數學常被認為是多種學科的基礎科學，數學也進入語言、思維領域，人工智能學科也必須借用數學工具，數學不僅在標準邏輯、模糊數學等范圍發揮作用，數學進入人工智能學科，它們將互相促進而更快地發展。

3、多種模式識別的應用

3.1文字識別

漢字已有數千年的歷史，也是世界上使用人數最多的文字，對于中華民族燦爛文化的形成和發展有著不可磨滅的功勛。所以在信息技術及計算機技術日益普及的今天，如何將

鄭州科技學院

文字方便、快速地輸入到計算機中已成為影響人機接口效率的一個重要瓶頸，也關系到計算機能否真正在我過得到普及的應用。目前，漢字輸入主要分為人工鍵盤輸入和機器自動識別輸入兩種。其中人工鍵入速度慢而且勞動強度大；自動輸入又分為漢字識別輸入及語音識別輸入。從識別技術的難度來說，手寫體識別的難度高于印刷體識別，而在手寫體識別中，脫機手寫體的難度又遠遠超過了連機手寫體識別。到目前為止，除了脫機手寫體數字的識別已有實際應用外，漢字等文字的脫機手寫體識別還處在實驗室階段。

3.2 語音識別

語音識別技術技術所涉及的領域包括：信號處理、模式識別、概率論和信息論、發聲機理和聽覺機理、人工智能等等。近年來，在生物識別技術領域中，聲紋識別技術以其獨特的方便性、經濟性和準確性等優勢受到世人矚目，并日益成為人們日常生活和工作中重要且普及的安驗證方式。而且利用基因算法訓練連續隱馬爾柯夫模型的語音識別方法現已成為語音識別的主流技術，該方法在語音識別時識別速度較快，也有較高的識別率。

3.3 指紋識別

我們手掌及其手指、腳、腳趾內側表面的皮膚凹凸不平產生的紋路會形成各種各樣的圖案。而這些皮膚的紋路在圖案、斷點和交叉點上各不相同，是唯一的。依靠這種唯一性，就可以將一個人同他的指紋對應起來，通過比較他的指紋和預先保存的指紋進行比較，便可以驗證他的真實身份。一般的指紋分成有以下幾個大的類別:left loop,right loop,twin loop,whorl,arch和tented arch,這樣就可以將每個人的指紋分別歸類，進行檢索。指紋識別基本上可分成：預處理、特征選擇和模式分類幾個大的步驟。

3.4 圖像模式識別

圖像模式識別的方法很多，從圖像模式識別提取的特征對象來看，圖像識別方法可分為以下幾種：基于形狀特征的識別技術、基于色彩特征的識別技術以及基于紋理特征的識別技術。其中，基于形狀特征的識別方法，其關鍵是找到圖像中對象形狀及對此進行描述，形成可視特征矢量，以完成不同圖像的分類，常用來表示形狀的變量有形狀的周長、面積、圓形度、離心率等。基于色彩特征的識別技術主要針對彩色圖像，通過色

鄭州科技學院

彩直方圖具有的簡單且隨圖像的大小、旋轉變換不敏感等特點進行分類識別。基于紋理特征的識別方法是通過對圖像中非常具有結構規律的特征加以分析或者則是對圖像中的色彩強度的分布信息進行統計來完成。

從模式特征選擇及判別決策方法的不同可將圖像模式識別方法大致歸納為兩類:統計模式(決策理論)識別方法和句法(結構)模式識別方法。此外，近些年隨著對模式識別技術研究的進一步深入，模糊模式識別方法和神經網絡模式識別方法也開始得到廣泛的應用。在此將這四種方法進行一下說明。

3.5 句法模式識別

對于較復雜的模式，如采用統計模式識別的方法，所面臨的一個困難就是特征提取的問題，它所要求的特征量十分巨大，要把某一個復雜模式準確分類很困難，從而很自然地就想到這樣的一種設計，即努力地把一個復雜模式分化為若干較簡單子模式的組合，而子模式又分為若干基元，通過對基元的識別，進而識別子模式，最終識別該復雜模式。正如英文句子由一些短語，短語又由單詞，單詞又由字母構成一樣。用一組模式基元和它們的組成來描述模式的結構的語言，稱為模式描述語言。支配基元組成模式的規則稱為文法。當每個基元被識別后，利用句法分析就可以作出整個的模式識別。即以這個句子是否符合某特定文法，以判別它是否屬于某一類別。這就是句法模式識別的基本思想。

句法模式識別系統主要由預處理、基元提取、句法分析和文法推斷等幾部分組成。由預處理分割的模式，經基元提取形成描述模式的基元串（即字符串）。句法分析根據文法推理所推斷的文法，判決有序字符串所描述的模式類別，得到判決結果。問題在于句法分析所依據的文法。不同的模式類對應著不同的文法，描述不同的目標。為了得到于模式類相適應的文法，類似于統計模式識別的訓練過程，必須事先采集足夠多的訓練模式樣本，經基元提取，把相應的文法推斷出來。實際應用還有一定的困難。

3.6 統計模式識別

統計模式識別是目前最成熟也是應用最廣泛的方法，它主要利用貝葉斯決策規則解決最優分類器問題。統計決策理論的基本思想就是在不同的模式類中建立一個決策邊界，利用決策函數把一個給定的模式歸入相應的模式類中。統計模式識別的基本模型如

鄭州科技學院

圖2，該模型主要包括兩種操作模型：訓練和分類，其中訓練主要利用己有樣本完成對決策邊界的劃分，并采取了一定的學習機制以保證基于樣本的劃分是最優的;而分類主要對輸入的模式利用其特征和訓練得來的決策函數而把模式劃分到相應模式類中。統計模式識別方法以數學上的決策理論為基礎建立統計模式識別模型。其基本模型是:對被研究圖像進行大量統計分析，找出規律性的認識，并選取出反映圖像本質的特征進行分類識別。統計模式識別系統可分為兩種運行模式:訓練和分類。訓練模式中，預處理模塊負責將感興趣的特征從背景中分割出來、去除噪聲以及進行其它操作;特征選取模塊主要負責找到合適的特征來表示輸入模式;分類器負責訓練分割特征空間。在分類模式中，被訓練好的分類器將輸入模式根據測量的特征分配到某個指定的類。統計模式識別組成如圖2所示。

圖2 統計模式識別模型

4、模式識別技術的發展潛力

模式識別技術是人工智能的基礎技術，21世紀是智能化、信息化、計算化、網絡化的世紀，在這個以數字計算為特征的世紀里，作為人工智能技術基礎學科的模式識別技術，必將獲得巨大的發展空間。在國際上，各大權威研究機構，各大公司都紛紛開始將模式識別技術作為公司的戰略研發重點加以重視。

3.1語音識別技術

語音識別技術正逐步成為信息技術中人機接口的關鍵技術，語音技術的應用已經成為一個具有競爭性的新興高技術產業。中國互聯網中心的市場預測：未來5年，中文語音技術領域將會有超過400億人民幣的市場容量,然后每年以超過30%的速度增長。

3.2生物認證技術

生物認證技術本世紀最受關注的安全認證技術，它的發展是大勢所趨。人們愿意忘

鄭州科技學院

掉所有的密碼、扔掉所有的磁卡，憑借自身的唯一性來標識身份與保密。國際數據集團（IDC）預測：作為未來的必然發展方向的移動電子商務基礎核心技術的生物識別技術在未來10年的時間里將達到100美元的市場規模。

3.3數字水印技術

90年代以來才在國際上開始發展起來的數字水印技術是最具發展潛力與優勢的數字媒體版權保護技術。IDC預測，數字水印技術在未來的5年內全球市場容量超過80億美元。

結 語

綜上所述，模式識別從20世紀20年代發展至今，人們的一種普遍看法是不存在對所有模式識別問題都適用的單一模型和解決識別問題的單一技術，我們現在擁有的只是一個工具袋，所要做的是結合具體問題把統計的和句法的識別結合起來，把統計模式識別或句法模式識別與人工智能中的啟發式搜索結合起來，把統計模式識別或句法模式識別與支持向量機的機器學習結合起來，把人工神經元網絡與各種已有技術以及人工智能中的專家系統、不確定推理方法結合起來，深入掌握各種工具的效能和應有的可能性，互相取長補短，開創模式識別應用的新局面。

參考文獻 邊肇祺，張學工等編著.模式識別(第二版).北京：清華大學出版社，2000.2 王碧泉，陳祖蔭.模式識別理論、方法和應用.北京：地震出版社，1989.3 趙陵滋，甘云祥.統計模式識別算法的MATLAB語言實現.應用科技 4 語音識別 理想與現實的距離 人類形象思維模式識別與機器模式識別之探討 6 指紋認證方法應注意的問題

第五篇：電影摳像技術了解

什么是摳像

摳像通俗地講就是利用軟件將視頻素材中的人物保留，把背景替換成其他需要的背景。而具體的方法需要拍攝前準備和后期用軟件處理。拍攝前的準備主要讓主角在一個相對簡單的北景下完成動作，當然比較理想的是在純藍色或綠色的北景下完成。這理解釋一下為保要用純藍色或綠色，因為利用軟件時行摳像時，一般是將整個視頻素材畫面中的某種顏色透明華，然后再合成到準備好的背影素材中。人的皮膚顏色與純藍色或綠色相差較大，故最好使用這兩種顏色。

摳像的前期動作設計

一般比較專業的視頻后期處理公司，都會在三維背景室中完成拍攝。也就是專門有一個房間，四周都用同一種顏色的布（一般為藍色或綠色）覆蓋或用純色的油漆刷滿所有墻面，然后電影中的人物可以手持道具在這個房間做各種電影中需要出現的動作。

摳像的后期處理

用過PR軟件的朋友都知道PR也具有藍屏摳像特效，具體方法是利用摳像特效使視頻素材中的北景透明化，這時疊加在其視頻素材下方的背景素材就可以顯示出來了。在專業視頻領域后期處理的軟件很多，具備更強和更快的渲染速度，但往往需要與相應的視頻后期處理設備配合使用。ULTIMATTE ADVANTEDGE就是一款比較專業的社頻后期處理軟件，利用它摳像完成的ALPHA通道

ALPHA通道是專門用于摳像合成的通道，其中的黑色代表完全透明，白色則正好相反。另外，利用DISCREET公司曾獲得美國電影藝術科學院科學與工程最高獎的INFERNO軟件，可以方便地將人物從純色或比較復雜的背影中摳像出來。

《蜘蛛俠2》的飛身特反主要是利用在主角身上吊鋼絲繩來完成的，對于鋼絲繩的材質選擇非常重要。而且鋼絲繩幾乎在很多電影中都會用到，那么最后鋼絲繩是怎么消失的。

利用專業的高速攝像機拍攝完幾組鏡頭，在后期處理時必須使用鋼絲繩這個輔助工具完全從屏幕中消失。這同樣需要利用專業的視頻后期處理軟件來實現，如NOTING REAL公司的shake軟件，該軟件中有七個類似摳像的工作，對支除背景中的細節處理有專一的工具，利用這些工具可順利地將蜘蛛俠身上的鋼絲繩去除。該軟件完成大多數合成特技的帛作，前段時間場面宏大的《指環王》中的特效合成就是利用SHAKE來實現的。

打斗動作的設計

另外對于一些特殊的動作，如絢麗的武打動作，快速的跑步動作等，需要在人物身上安裝相應有采集傳感器，然后主角只要進行類似的工作即可。

當人物進行相應動作的同時，電腦已經通過人身上的多個迷你采集傳感器將相應的運動點數據傳輸到磁盤中保存。然后在電腦中利用三維場景合成軟件，如加拿大EYEON公司開發的基于PC平臺的專業三維動畫合成軟件DIGITAL FUSION，將采集到的所有數據點自動建模，并在軟件中完成真人角色動畫的模擬，這樣就可以制作出許多真人較難完成的動作。利用DIGITAL FUSION4.0合成場景的界面。