宝塔服务器面板，一键全能部署及管理，送你10850元礼包，点我领取

1、人工智能之模式识别

关于什么是人工智能，至今还缺乏权威和统一的定义。 但从根本上说，这意味着机器达到人类的智力水平，也就是说，像人类一样，感知外界事物，通过自主的思考过程做出有意义的响应。 因此，人工智能包括感知、决策、行为三个方面的能力，当然这三种能力的运用都是机器自主进行的，不受人类的直接控制。 模式识别技术是实现人工智能感知能力的重要技术手段。

2、模式识别的发展

模式识别和其他技术的发展一样，并不是突然出现，而是从初级到高级，有从实践探索到理论突破的发展过程，在此期间，已经经历了近百年的历史。

模式识别的本质是事物的分类。 认知过程是建立分类标签与分类模式特征之间联系的过程，认识是根据特征将一个具体的东西分为已知的分类。

（1）光电阅读机

作为使机器具有对外界事物感知能力的技术之一，模式识别的发展历史可以追溯到1929 年奥地利发明家 Tauschek 的光电阅读机。 这个装置在车轮上安装了与文字和数字形状相同的通孔。 强光照射的文字通过透镜焦点照射到车轮上时，如果正好与某个文字的通孔形状一致，则透过的光强度最强，驱动车轮内部的受光元件发送信号，识别显示在读取机上的文字。

Tauschek 的阅读机是人类力图让机器具有识别能力的首次尝试，它采用的方法被称为“模板匹配”，也是第一个被实际应用的模式识别方法。

（2）感知器

随着人工智能在20世纪50年代成为研究热点，通过模拟大脑神经系统结构和工作机制实现模式识别功能也成为重要的研究方向。 其中最突出的贡献是美国实验心理学家dqdlm提出的感知器他在1960年通过硬件实现了由400个输入信号和8个输出信号组成的图案识别机Mark 1，可以将20*20的点阵图案识别为8种不同的图案dqdlm的感知器不仅能实现识别，更重要的是提出了机器学习的算法。 也就是说，如何训练机器，使其具有某种模式识别的能力。

（3）句法模式识别

感知器基于神经元模型，但属于统计模式识别的范畴。 也就是说，根据事物特征的取值进行识别。1974 年美籍华裔计算机专家fqdlt提出的句法模式识别，则是首个完整的利用事物特征之间的结构关系来完成模式识别的算法，因此开创了称为“结构模式识别”的另一种思路。fqdlt还聚集了从事模式识别相关算法研究和工程应用的相关学者，于1976年正式成立了国际模式识别学会IAPR，并以模式识别为独立学科走上了国际学术舞台。

（4）BP 神经网络模型

1969年以来，以感知器为代表的线性分类器无法解决非线性分类问题，导致整个统计模式识别领域陷入低潮，达到一直到 1986 年美国认知神经学家Rumelhart 等人提出误差反向传播的多层次神经网络模型 BP 模型后，模式识别才迎来了另一个发展的高潮。

（5）支持向量机（SVM）

BP算法能够处理的神经网络不能过于复杂，其模型本身也是高度非线性的，因此在可描述性和工程应用效果方面受到很大限制。 以及1995 年由前苏联统计学家和数学家 Vapnik 等人提出的支持向量机，作为一种理论基础严密，优化目标明确，扩展能力强大的模式识别算法，取得了极大的成功。

（6）深度学习

与支持向量机同属统计模式识别算法，但由于神经网络模型面临着性能提高和计算量的巨大压力，发展非常缓慢。 在计算机技术、网络技术的迅速发展为计算能力和数据量方面做好准备之前，算法理论为2006 年由 Hinton 等人取得了突破性进展，结构复杂的大规模神经网络才得以实现，并以深度学习技术为核心引领着当今人工智能发展的新一轮浪潮。

3、模式识别的应用

随着计算机技术的飞速发展和对智能系统的强烈需求，模式识别

技术在二战以后得到了越来越广泛的应用。目前，只要需要机器具有感知能力和一定的智能响应能力的地方，就有模式识别的应用。

以下在一些领域比较典型的模式识别应用：
（1）信息过滤 Information Filter
        在网络搜索和访问的过程中，需要根据信息的内容来确定是否过滤，这已经不是简单的关键字检索能够实现的，必须根据信息的总体内容、出处和上下文关系来确定是否过滤，模式识别技术可以发挥巨大的作用。最早的信息过滤算法是基于文本的，现在已经发展到基于
多媒体信息，包括图像、视频、声音等等。
（2）生物特征识别 Biometrics
        利用生物特征来识别人的身份，现在已经从科幻影片中的场景变成了现实。目前生物特征识别技术已从比较成熟的指纹识别、说话人识别、虹膜识别发展到了更加复杂的人脸识别、手印识别、步态识别等方法。
（3）目标跟踪 Target Tracking
目标检测与跟踪也是模式识别的典型应用，大的方面可以应用到导弹制导、自动驾驶等军事领域，小的方面可以应用到智能监控、照相机笑脸识别、眼动控制等领域。
（4）手势识别 Gesture Recognition
        手势识别是近年来在人机交互领域的重要进展，通过识别人手的姿势和运动来完成对计算机系统的非接触控制，手势的检测可以依据红外检测、运动和姿态传感器、可见光视频和其它传感器实现，Kinect、MYO 和 Leap Motion 都是比较受关注技术和产品。
（5）音乐识别 Music Recognizing
        音乐识别本科音乐分类和旋律识别。音乐分类是根据音乐的特征将其划入到不同的类别中，例如苹果公司的 Genius 技术。旋律识别（Melody Recognizing）是指根据旋律，而不是根据关键字来搜索音乐，是目前音乐检索的最新发展。百度曾经在 2010 年 9 月短暂推出过音乐的哼唱检索，在许多卡拉 OK 点歌系统和手机应用中，也采用了基于哼 唱 的 音 乐 检 索 技 术 。
（6）字符识别 Optical Character Recognition
        光学字符识别（OCR）是最早发展的模式识别应用之一，它可分为联机识别和脱机识别，又可以分为手写识别和印刷体识别。目前联机手写识别（掌上设备的手写输入）、脱机印刷体识别（扫描文件的OCR、PDF 文件的拷贝）都发展到了一定的实用水平，比较困难的是脱机手写识别。
（7）图像识别搜索 Image Searching
        通过图像的内容来进行检索，而不是根据关键字检索，也是模式识别在图像处理方面的典型应用。由于图像本身的质量差异较大，变化的情况也比较多，目前该领域还处于研究阶段。
（8）自然语言理解 Natural language understanding
        自然语言理解（NLU）一直是人工智能领域的研究重点，其研究内容既包括文字的理解，也包括口头对话的理解。目前文字方面进展较大，许多机器翻译系统已经可以投入实用，例如 Google 的在线翻译
（9）脑电识别 Electroencephalograph Recognition
        对于脑电信号的识别，是一项非常前沿的研究工作。它不仅可以用于“读脑”，获知人的思维活动，而且可以用于“脑电控制”，帮助残疾人或者特殊人员（例如战斗机的驾驶员）控制各种设备完成预定任务。
（10）环境识别 Environment Recognition
        环境识别是对周边环境类型和状态的识别技术，在无人驾驶汽车、自主外星探测器等系统中十分重要，Google Glass 等先进的随身环境感知和信息处理设备中，环境识别也是重要的组成部分。

4、模式识别系统

 5、模式识别算法体系

以上内容根据北京理工大学模式识别课程整理。