预处理单元。去噪声，提取有用信息，并对输入测量仪器或其它因素所造成的退化现象进行复原。 特征提取和选择。通过传感器获取的信息原始数据量一般比较大。为有效地实现分类识别，要对
原始数据进行选择或者变换，得到最能反映分类本质的特征，构成特征向量。根据被识别的对象 产生出一组基本特征，它可以是计算出来的，也可以是仪表或者传感器测量出来的，这样产生出 来的特征叫原始特征。一般将原始数据组成的空间叫测量空间。
本做法是：用一定数量的样本（称为训练样本集），确定出一套分类判别规则，使得按这套 分类判别规则对待识模式进行分类所造成的错误识别率最小或引起的损失最小。 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别。基本做法是：在样本 训练集基础上确定某个判决规则，使得按这种规则对被识别对象进行分类所造成的错误识别 率最小或引起的损失最小。
《物联网技术》
模式识别的主要应用
1、文字识别
利用计算机自动识别字符的技术，是模式识别应用的一个重要领域。如图7-4所示。 文字识别系统一般包括文字信息的采集、信息的分析与处理、信息的分类判别等几个部分。 OCR（Optical Character Recognition，光学字符识别）是指电子设备（例如扫描仪或数码相
《物联网技术》
模式识别的主要应用
4、遥感图像识别
遥感图像识别已广泛用于农作物估产、资源勘察、气象预报和军事侦察等。如图7-6所示。
在癌细5胞、检医测学、X诊射断线照片分析、血液化验、染色体分析、心电图诊断和脑电图诊断等方面，模式识别
已取得了成效。
《物联网技术》
模式识别的主要应用
6、机器人视觉
用于景物识别、三维图像识别、解决机器人视觉问题，以控制机器人行动。
图7-8 医学诊断
图7-9 配备了视觉功能的delta型机器人
《物联网技术》
《物联网技术》
模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分 为有监督的分类（Supervised Classification）和无监督的分类（Unsupervised Classification） 两种。二者的主要差别在于：各实验样本所属的类别是否预先已知。一般说来，有监督的分 类往往需要提供大量已知类别的样本，但在实际问题中，这是存在一定困难的，因此研究无 监督的分类就变得十分有必要。
近期，语音识别在移动终端上的应用最为火热，语音对话机器人、语音助手、互动工具等层 出不穷，许多互联网公司纷纷投入人力、物力和财力展开此方面的研究和应用，目的是通过 语音交互的新颖和便利模式迅速占领客户群。
《物联网技术》
模式识别的主要应用
图7-4 文字识别
图7-5 指纹识别
《物联网技术》
模式识别的主要应用
《物联网技术》
模式识别概述
2.模式识别系统的基本构成 模式识别系统基本构成如图7-3所示。模式识别系统组成单元如下：
图7-3 模式识别系统的基本构成
《物联网技术》
模式识别概述
2.模式识别系统的基本构成
数据获取。用计算机可以运算的符号来表示所研究的对象。可以采用二维图像（文字、指纹、地 图、照片等）、一维波形（脑电图、心电图、季节震动波形等）和物理参量和逻辑值（体温、化 验数据、参量正常与否的描述）等方式表示。
《物联网技术》
模式识别的主要方法
2.句法方法
模式识别方法的选择取决于问题的性质。如果被识别的对象极为复杂，而且包含丰富的结构 信息，一般采用句法方法；被识别对象不很复杂或不含明显的结构信息，一般采用决策理论方法。 这两种方法不能截然分开，在句法方法中，基元本身就是用决策理论方法抽取的。在应用中，将 这两种方法结合起来分别施加于不同的层次，常能收到较好的效果。
《物联网技术》
模式识别的主要方法
1.决策理论方法
决策理论方法也称统计方法，是发展较早也比较成熟的一种方法。被识别对象首先数字化，变 换为适于计算机处理的数字信息。
一个模式常常要用很大的信息量来表示。许多模式识别系统在数字化环节之后还进行预处理， 用于除去混入的干扰信息并减少某些变形和失真。随后是进行特征抽取，即从数字化后或预处 理后的输入模式中抽取一组特征。所谓特征是选定的一种度量，它对于一般的变形和失真保持 不变或几乎不变，并且只含尽可能少的冗余信息。特征抽取过程将输入模式从对象空间映射到 特征空间。这时，模式可用特征空间中的一个点或一个特征矢量表示。这种映射不仅压缩了信 息量，而且易于分类。
3、指纹识别
人们手掌及其手指、脚、脚趾内侧表面的皮肤凹凸不平产生的纹路会形成各种各样的图案。 而这些皮肤的纹路在图案、断点和交叉点上各不相同，是唯一的。依靠这种唯一性，就可以将 一个人同他的指纹对应起来，通过比较他的指纹和预先保存的指纹进行比较，便可以验证他的 真实身份。一般的指纹分成有以下几个大的类别：环型(loop)，螺旋型(whorl)，弓型(arch)， 这样就可以将每个人的指纹分别归类，进行检索。指纹识别基本上可分成：预处理、特征选择 和模式分类几个大的步骤。
机）检查纸上打印的字符，通过检测暗、亮的模式确定其形状，然后用字符识别方法将形状翻 译成计算机文字的过程。即对文本资料进行扫描，然后对图像文件进行分析处理，获取文字及 版面信息的过程。随着国家信息化建设的飞速发展，云脉技术、汉王等中国文字识别的领军企 业将会更加深入到信息化建设的各个领域。
《物联网技术》
在决策理论方法中，特征抽取占有重要的地位，但尚无通用的理论指导，只能通过分析具体识 别对象决定选取何种特征。特征抽取后可进行分类，即从特征空间再映射到决策空间。为此而 引入鉴别函数，由特征矢量计算出相应于各类别的鉴别函数值，通过鉴别函数值的比较实行分 类。
《物联网技术》
模式识别的主要方法
2.句法方法
模式识别的主要应用
2、语音识别
语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的高技术， 主要包括特征提取技术、模式匹配准则及模型训练技术三个方面。
语音识别技术技术所涉及的领域包括：信号处理、模式识别、概率论和信息论、发声机理和 听觉机理、人工智能等等。近年来，在生物识别技术领域中，声纹识别技术以其独特的方便 性、经济性和准确性等优势受到世人瞩目，并日益成为人们日常生活和工作中重要且普及的 安全验证方式。而且利用基因算法训练连续隐马尔柯夫模型（CHMM）的语音识别方法现已成 为语音识别的主流技术，该方法在语音识别时识别速度较快，也有较高的识别率。
句法方法也称结构方法或语言学方法。其基本思想是把一个模式描述为较简单的子模式的组 合，子模式又可描述为更简单的子模式的组合，最终得到一个树形的结构描述，在底层的最简单 的子模式称为模式基元。在句法方法中选取基元的问题，相当于在决策理论方法中选取特征的问 题。通常要求所选的基元能对模式提供一个紧凑的反映其结构关系的描述，又要易于用非句法方 法加以抽取。显然，基元本身不应该含有重要的结构信息。 模式以一组基元和它们的组合关系来描述，称为模式描述语句，基元组合成模式的规则，由所谓 语法来指定。一旦基元被鉴别，识别过程可通过句法分析进行，即分析给定的模式语句是否符合 指定的语法，满足某类语法的即被分入该类。
《物联网技术》
模式识别概述
2.模式识别系统的基本构成
分类器按已确定的分类判别规则对待识模式进行分类判别，输出分类结果。对于监督模式 识别，判别规则设计完成后转入分类决策。对于非监督模式识别，没有训练样本，分类器设计 只能依靠待识别样本集进行，分类器设计与决策一起完成，即设计完成后分类结果亦产生。
模式识别研究主要集中在两方面：一是研究生物体(包括人)是如何感知对象的，属于认识 科学的范畴；二是在给定的任务下，如何用计算机实现模式识别的理论和方法。前者是生理学 家、心理学家、生物学家和神经生理学家的研究内容，后者通过数学家、信息学专家和计算机 科学工作者近几十年来的努力，已经取得了系统的研究成果。
智能信息处理技术
模式识别技术应用
《物联网技术》
模式识别
模式识别概述 模式识别的主要方法 模式识别的主要应用
《物联网技术》
模式识别概述
1.模式识别的概念
模式识别（Pattern Recognition）是人类的一项基本智能，在日常生活中，人们经常在 进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们当然 也希望能用计算机来代替或扩展人类的部分脑力劳动，计算机模式识别在20世纪60年代初迅 速发展并成为一门新学科。
《物联网技术》
模式识别概述
2.模式识别系统的基本构成
原始特征数量可能很大，样本处于一个高维空间里。通过映射或者变换的方法可以用低维 空间来表示样本，这个过程叫特征提取。从一组特征中挑选出一些最有效的特征以达到降低特 征空间维数的目的，这个过程叫特征选择。 分类器设计。为把待识别模式分配到各自的模式类中去，必须设计出一套分类判别规则。基