模式识别期末论文解析.docx

模式识别期末论文解析.docx

《模式识别期末论文解析.docx》由会员分享，可在线阅读，更多相关《模式识别期末论文解析.docx（8页珍藏版）》请在冰豆网上搜索。

模式识别期末论文解析

对模式识别应用领域的认识

摘要

自20世纪60年代以来，模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。

它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视，推动了人工智能系统的发展，扩大了计算机应用的可能性。

几十年来，模式识别研究取得了大量的成果，在很多地方得到了成功的应用。

但是，由于模式识别涉及到很多复杂的问题，现有的理论和方法对于解决这些问题还有很多不足之处。

本文主要讨论模式识别的一些基本概念和应用领域，以利于对模式识别的现状和未来的发展方向有更全面的了解。

模式识别的概述

模式识别是对感知信号（图像、视频、声音等）进行分析，对其中的物体对象或行为进行判别和解释的过程。

模式识别能力普遍存在于人和动物的认知系统，是人和动物获取外部环境知识，并与环境进行交互的重要基础。

由于模式识别的对象是存在于感知信号中的物体和现象，它研究的内容还包括信号/图像/视频的处理、分割、形状和运动分析等，以及面向应用（如文字识别、语音识别、生物认证、医学图像分析、遥感图像分析等）的方法和系统研究。

模式识别的特点

（1）模式识别是用机器模仿大脑的识别过程的，设计很大的数据集合，并自动的以高速度作出决策。

（2）模式识别不象纯数学，而是抽象加上实验的一个领域。

它的这个性质常常导致不平凡的和比较有成效的应用，而应用又促进进一步的研究和发展。

由于它和应用的关系密切，应此它又被认为是一门工程学科。

（3）学习（自适应性）是模式识别的一个重要的过程和标志。

但是，编制学习程序比较困难，而有效地消除这种程序中的错误更难，因为这种程序是有智能的。

（4）同人的能力相比，现有模式识别的能力仍然是相当薄弱的（对图案和颜色的识别除外），机器通常不能对付大多数困难问题。

采用交互识别法可以在较大程度上克服这一困难，当机器不能做出一个可靠的决策时，它可以求助于操作人。

模式识别的应用

经过多年的研究和发展，模式识别技术已广泛被应用于人工智能、计算机工程、机器学、神经生物学、医学、侦探学以及高能物理、考古学、地质勘探、宇航科学和武器技术等许多重要领域，如目标识别、生物特征识别、图像识别、图形识别和故障诊断等。

经过多年的研究和发展。

模式识别技术的快速发展和应用大大促进了国民经济建设和国防科技现代化建设。

1.生物特征识别

1）人脸识别

人脸是指人的面部视觉特征，主要包括两眼、鼻、口等特征。

人脸识别就是利用计算机技术从人脸图像分析中提取出有效的识别信息，用以鉴别人的身份。

人脸识别技术已经广泛应用于公安刑侦破案、门禁系统、摄像监视系统、网络应用和信息安全等领域。

如图1所示。

图1人脸识别　

与基于其他生物特征的识别方式相比，人脸识别具有自然和不易被察觉两个特点。

自然性是指该识别方式同人类进行个体识别时利用的生物特征相同。

与人脸识别类似，人类也是通过观察比较人脸来确认身份的。

2）指纹识别

指纹是指人类手指末端正面皮肤上凹凸不平产生的纹路，其形成依赖于胚胎发育时的环境。

指纹纹线有规律地排列形成了不同的纹型，这些纹线的起点、终点、结合点和分叉点是指纹的细节特征点。

与其他生物特征相比，指纹具有两个突出的优点：

一是稳定性，指纹具有很强的稳定性，从胎儿在6个月时指纹完全形成到人死后尸体腐烂，指纹的纹型和细节特征点等不会有明显变化；二是独特性，指纹具有明显的独特性，至今还没发现两个指纹完全相同的人。

基于这两个特点，指纹识别能够非常可靠地进行人的身份鉴别，已经在公安刑侦破案、网络管理、银行、社保、雇员证明、门禁系统等领域得到了非常广泛的应用。

如图2所示。

图2指纹识别

指纹识别是生物特征识别领域发展最成熟、最可接受的一种识别技术。

然而，指纹识别还面临一定的挑战。

在日常生活中，有一部分人的指纹是无法采集的，这里既有先天遗传的问题，也有后天因素造成的。

例如由于手指皮肤有伤疤、长茧、病态皮肤、皮肤干燥、皮肤老化、采集设备受污染等原因，会使得图像采集设备无法采集或者不能提供高质量的指纹图像。

此外，由于每次捺印的方位不完全一样，着力点不同会带来不同程度的变形，也会给后续正确提取特征和实现正确匹配带来一定的困难。

3）语音识别

语音是人类信息交流的基本手段，语音中包含语义信息、语言信息、说话人信息和情感信息等。

语音识别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技术，即让计算机识别出人类语音中的各种信息。

语音识别涉及信号处理、模式识别、概率论、信息论、发声机理和听觉机理、人工智能等学科。

语音识别已经在语音输入系统、语音控制系统和智能对话查询系统中得到了广泛的应用。

例如在语音控制系统中，就是利用语音来控制设备的运行，相对于手动控制来说更加快捷、方便。

另外,语音识别可以用在诸如工业控制、语音拨号系统、智能家电等许多领域，如图3所示。

图3语音识别

2.目标识别

1）雷达目标识别

　　雷达目标识别是从目标的雷达回波中提取目标的有关信息标志和稳定特征并判断其属性的识别技术。

在雷达目标识别问题中，首先可以利用回波信号的幅值、相位、频率和极化等获得用于目标识别的信息，然后对目标信息进行训练和识别。

进行雷达目标识别，必须依靠目标识别技术，模式识别技术的发展为该问题的研究提供了有利的条件。

如图4所示。

图4雷达目标识别

2）水下目标识别

　　水下目标识别是现代声纳系统与水声对抗的一个重要组成部分，是水面舰艇和潜艇急需解决的关键技术。

如图5所示。

在水下目标识别中，由于舰船的辐射噪声包含了丰富的目标相关信息，因此基于舰船辐射噪声的目标识别已经成为一个重要的研究方向，其基本任务就是正确采集各种舰船的辐射噪声并进行分类识别。

由于水下目标型号繁多，目标所处环境多变，因此在实际的分类识别应用中很难达到预期的性能。

图5水下目标识别

3）图像识别

图像是指各种图形和影像的总称。

图像识别就是利用计算机对图像进行处理、分析和理解，以识别各种不同模式的目标和对象的技术。

目前，图像识别涉及遥感和航空图像分析、显微图像、热像及超声图像检查、金相图分析与鉴定、车牌识别等领域。

如图6所示。

实际上，人脸识别和指纹识别也属于图像识别的一种。

图6图像识别

3.图形识别

图形识别技术是计算机视觉中的一个重要研究内容，已广泛地应用于工业自动化、图像分析与识别、文字识别等领域。

图形识别中的模式是指由若干元素或成分按照一定关系形成的某种刺激结构，也可以说模式是刺激的组合,例如，几个线段组成的一个图形或字母，几个笔画组成的一个汉字、一幅人头像等。

为了进一步开发计算机的功能，人们力图将图形识别的能力赋予计算机，图形识别系统应运而生。

图形识别系统一般包括以下四个部分：

获取图形信息、预处理、特征提取和学习及分类识别。

图形识别系统的关键在于特征提取和分类识别两个阶段。

如果在特征提取阶段能够选取对输入图形具有高度准确描述能力的特征，则对系统的建立具有重要的意义。

此外，有效的图形特征可以减轻后续的模式识别工作的负担。

在分类识别阶段，分类器的正确设计可使系统具有较高的准确性和稳定性。

现有的图形识别方法主要包括基于神经网络的图形识别方法和基于分类器联合的图形识别方法等。

4.故障诊断

故障诊断是指对系统运行状态和异常情况作出判断，并根据诊断作出判断，为系统故障恢复提供依据。

要对系统进行故障诊断，首先必须对其进行检测，在发生系统故障时，对故障类型、故障部位及原因进行诊断，最终给出解决方案，实现故障恢复。

在故障诊断系统中应用模式识别主要是针对系统的运行状态进行识别和分类，从而对故障或者异常情况进行识别和分类。

基于模式识别技术的故障诊断系统主要包括四大部分：

（1）数据的获取及预处理，主要是将传感器的信号转变成计算机可以运算的符号，并将数据进行适当的预处理。

（2）为了有效地进行分类识别，根据系统的性质和要求对原始数据进行特征提取和选择。

（3）根据获得的特征正确地选择学习器或分类器，对系统状态进行分类。

（4）根据分类和识别的结果对系统作出相应的决策判断。

发展趋势

模式识别技术是人工智能的基础技术，21世纪是智能化、信息化、计算化、网络化的世纪，在这个以数字计算为特征的世纪里，作为人工智能技术基础学科的模式识别技术，必将获得巨大的发展空间。

在国际上，各大权威研究机构，各大公司都纷纷开始将模式识别技术作为公司的战略研发重点加以重视。

模式识别的研究主要集中在两方面，即研究生物体（包括人）是如何感知对象的，以及在给定的任务下，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、神经生理学家的研究内容，属于认知科学的范畴；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。

总结

模式识别是一门理论与实践紧密结合的学科，教与学的方式值得我们研究和探索。

可以看出模式识别具有相当大的前景，而且模式识别的应用得到越来越多的人的支持，而且它的成效也十分显著。

本文概述了模式识别的应用领域、基本方法，并分析了最近的发展趋势。

由于本人对模式识别认识有限，对模式识别的其他问题没有展开阐述。

当然，现在的模式识别还不算真正完整，不过人类科技是不断发展的，相信总有一天人工智能中的模式识别会真正融入我们的社会，成为我们人类不可或缺的一部分。

火电厂自动化专题结课作业

对模式识别应用领域的认识

班级：

自动化12K2

姓名：

夏云阳

学号：

121912010225