模式識別研究的目的是利用計算機對物理對象進行分類，在錯誤概率最小的條件下，使識別的結(jié)果盡量與客觀物體相符合。機器辨別事物最基本的方法是計算，原則上是對計算機要分析的事物與標(biāo)準(zhǔn)模板的相似程度進行計算。因此首先要從度量中看出不同事物之間的差異，才能分辨當(dāng)前要識別的事物。

1、模式的描述方法

在模式識別技術(shù)中，被觀測的每個對象成為樣品。對于每個樣品來說，必須確定一些與識別有關(guān)的因素，作為研究的根據(jù)，每一個因素成為一個特征。模式就是樣品所具有的特征的描述。模式的特征集又可用于同一個特征空間的特征向量表示。特征向量的每個元素稱為特征，該向量也因此稱為特征向量。

如果一個樣品X有n個特征，則可以把X看做一個n維列向量，該向量X稱為特征向量。模式識別問題就是根據(jù)X的n個特征來判別模式X屬于w1,w2,…wM類中的哪一類。待識別的不同模式都在同一特征空間中考察，不同模式類由于性質(zhì)上的不同，它們在各自特征取值范圍內(nèi)有所不同，因而會在特征空間的不同區(qū)域出現(xiàn)。

因此，模式識別系統(tǒng)的目標(biāo)是在特征空間和解釋空間之間找到一種映射關(guān)系。特征空間是由 從模式得到的對分類有用的度量、屬性或基元 構(gòu)成的空間，解釋空間是由 M個所屬類別的集合 構(gòu)成。

2、模式識別系統(tǒng)

一個典型的模式識別系統(tǒng)如圖所示，由數(shù)據(jù)獲取、預(yù)處理、特征提取、分類決策及分類器設(shè)計五部分組成。一般分為上下兩部分：上部分完成未知類別模式的分類；下半部分屬于分類器設(shè)計的訓(xùn)練過程，利用樣品進行訓(xùn)練，確定分類器的具體參數(shù)，完成分類器的設(shè)計。而分類決策在識別過程起作用，對待識別的樣品進行分類決策。

1）特征提取和選擇

對原始數(shù)據(jù)進行變換，得到最能反映分類本質(zhì)的特征。將維數(shù)較高的測量空間(原始數(shù)據(jù)組成的空間)轉(zhuǎn)變?yōu)榫S數(shù)較低的特征空間(分類識別賴以進行的空間)。

2）分類決策

在特征空間中用模式識別方法把被識別對象歸為某一類別。

3）分類器設(shè)計

基本做法是在樣品訓(xùn)練集基礎(chǔ)上確定判別函數(shù)，改進判別函數(shù)和誤差檢驗。

3、統(tǒng)計模式識別研究的主要問題

1）特征的選擇與優(yōu)化

對特征空間進行優(yōu)化有兩種基本方法。一種是特征選擇，如果所選用的特征空間能使同類物體分布具有緊致性，可以為分類器設(shè)計提供良好的基礎(chǔ)；反之，如果不同類別的樣品在該特征空間中混雜在一起，再好的設(shè)計方法也無法提高分類器的準(zhǔn)確性。另一種是特征的組合優(yōu)化，通過一種映射變換改造原特征空間，構(gòu)造一個新的精簡的特征空間。

2）分類判別

已知若干個樣品的類別以及特征，例如，手寫阿拉伯?dāng)?shù)字的判別是10個類的分類問題，機器首先要知道每個手寫數(shù)字的形狀特征，對同一個數(shù)字，不同的人有不同的寫法，必須讓機器知道它屬于哪一類。因此對分類問題需要建立樣品庫。根據(jù)這些樣品庫建立判別分類函數(shù)，這一過程由機器來實現(xiàn)，成為學(xué)習(xí)過程，然后對一個未知的新對象分析它的特征，決定它屬于哪一類。這是一種監(jiān)督學(xué)習(xí)的方法。

3）聚類判別

移植若干對象和它們的特征，但不知道每個對象屬于哪一類，而且事先并不知道究竟分成多少類，用某種相似性度量的方法，及”物以類聚，人以群分”，把特征相同的歸為一類。這是一種非監(jiān)督學(xué)習(xí)的方法。