模式识别发展及现状综述

模式识别发展及现状综述xxx（xxxxxxxxxxxxxxxxxxx）摘要[摘要]：通过对模式识别的发展及现状进行调查研究，了解到模式识别的理论和方法在很多科学和技术领域中得到了广泛的应用，极大的推动了人工智能系统的发展，同时扩大了计算机应用的可能性。模式识别的研究主要集中在研究生物体(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。本文详细的阐述了模式识别系统的组成结构以及模式识别的现状并展望了未来的模式识别的发展趋势。[关键词]：模式识别;模式识别的应用Abstract[Abstract]:throughtheinvestigationandStudyonthepresentsituationanddevelopmentofpatternrecognition,knowingthatthetheoryandmethodofpatternrecognitionhasbeenwidelyusedinmanyfieldsofscienceandtechnologyandgreatlypromotingthedevelopmentofartificialintelligencesystemsaswellasexpandingthefieldsofcomputerappliedto.Theresearchofpatternrecognitionmainlyconcentratedontheresearchofthetheoryandmethodofpatternrecognitionwhichhowtheorganisms(includinghumans)toperceiveobjectsaswellas,inagiventask,howtorealizethepatternrecognitionwithcomputer.Thispaperexpoundsthepresentsituationandsystemstructureofthepatternrecognitionaswellasprospectsthedevelopmenttrendinthefutureofpatternrecognition.[keyword]:patternrecognition;patternrecognitionapplications1前言模式识别诞生于20世纪20年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代初迅速发展成一门学科。什么是模式和模式识别呢？广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式；狭义地说，模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息；把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)[1]。而“模式识别”则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。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、机器人学、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，如语音识别、语音翻译、人脸识别、指纹识别、生物认证技术等。模式识别的技术对国民经济建设和国防科技发展的重要性已得到了人们的认可和广泛重视。本文将就模式识别所涉及的基本问题、研究的领域及其当前进展现状进行详细的介绍，并对模式识别的发展趋势进行展望。2模式识别2.1模式识别系统一个计算机模式识别系统基本上是由三个相互关联而又有明显区别的过程组成的，即数据生成、模式分析和模式分类。有两种基本的模式识别方法，即统计模式识别方法和结构(句法)模式识别方法，与此相对应的模式识别系统都由两个过程所组成，即设计和实现。2.2模式识别的一些基本问题。关于模式识别的一些基本问题主要包括模式类的紧致性、相似与分类、特征的生成。a模式类的紧致性为了能在某个空间中进行分类，通常假设同一类的各个模式在该空间中组成一个紧致集。从这个紧致集中的任何一点可以均匀的过度到同一集中的另外一点，而在过渡途中的所有各点都仍然属于这个紧致集即属于同一模式类。此外当紧致集中各点在任意方向有某些不大的移动时它仍属于这个集合。b相似与分类模式识别是把具体事物归入某一类的过程。研究相似与分类这样的认知基本问题，有助于更深入的理解模式识别。c特征的生成特征是决定相似性与分类的关键。为了通过学习获得新的特征，我们需要充分的底层次特征。如果低层次特征足够丰富，通过选择和简单的运算就可以得到高层次的新特征，同时新特征又可以成为更高层次特征的基础。3模式识别的现状由于模式识别具有广泛的应用价值和发展潜力，因次模式识别受到了人们极大的重视。尤其是随着现今的计算机及其外部硬件环境的不断提高,科技不断发展，从事模式识别的研究的人员也越来越多。因此在国内外都有许多政府机构、公司、大学、研究所等正在致力于此领域的研究当中。目前模式识别已经在天气预报、卫星航空图片解释、工业产品检测、字符识别、语音识别、指纹识别、医学图像分析、数字水印技术等许多方面得到了成功的应用。比较成熟的模式识别技术如下所述。3.1语音识别技术模式识别中的一个重要应用是语音识别。语音识别就是让计算机能听懂人说的话。语音识别技术正逐步成为信息技术中人机接口的关键技术，语音技术的应用已经成为一个具有竞争性的新兴高技术产业。中国互联网中心的市场预测：未来5年，中文语音技术领域将会有超过400亿人民币的市场容量，然后每年以超过30%的速度增长。3.1.1模式识别在语音识别应用中的方法。目前出现的语音识别技术都是基于言语产生的模型，各种模板匹配、多模板聚类、隐含马尔可夫链、神经网络模型等被广泛应用，目前在语音识别领域非常活跃的课题为稳健语音识别、说话人自适应技术、大词汇量关键词识别算法、语音识别的可信度评测算法、基于类的语言模型和自适应语言模型以及深层次的自然语言的理解。3.2生物认证技术生物认证技术本世纪最受关注的安全认证技术，它的发展是大势所趋。人们愿意忘掉所有的密码、扔掉所有的磁卡，凭借自身的唯一性来标识身份与保密。国际数据集团（IDC）预测：作为未来的必然发展方向的移动电子商务基础核心技术的生物识别技术在未来10年的时间里将达到100美元的市场规模。3.2.1模式识别在生物认证技术应用中的方法。由于化学模式识别对高维数据具有降维、分类和识别等特点，所以在生物认证中得到了广泛的应用。其主要包括主成分分析、聚类分析、人工神经网络和SIMCA分类法。3.3数字水印技术90年代以来才在国际上开始发展起来的数字水印技术是最具发展潜力与优势的数字媒体版权保护技术。IDC预测，数字水印技术在未来的5年内全球市场容量超过80亿美元。数字水印技术是将一些标识信息（即数字水印）直接嵌入数字载体（包括多媒体、文档、软件等）当中，但不影响原载体的使用价值，也不容易被人的知觉系统（如视觉或听觉系统）觉察或注意到。通过这些隐藏在载体中的信息，可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。数字水印是信息隐藏技术的一个重要研究方向。4模式识别的发展趋势通过对近几年的学术研究进行总结分析可以清楚了解到模式识别在近几年的发展极为迅速，并且以模式识别为基础大力推动了人工智能的发展，并且应用方向越来越广泛。工业领域尤其是制造业,已成功地使用了人工智能技术。包括智能设计、虚拟制造、柔性制造、敏捷制造、在线分析、智能调度、仿真和规划等,这些都大大提高了生产效益。人工智能对经济和金融的影响,专家系统的广泛使用功不可没。据估计全世界通过这项技术每年可节省10亿美元以上。例如,股票商利用智能系统辅助其进行分析、判断和决策,信用卡欺诈检侧系统得到普遍应用。人工智能也渗透进了人们日常生活,如教育、医疗和通信我们已经亲眼目睹、亲身体会到智能技术给日常生活带来的深刻变化,它使得我们周围无处不在的计算机系统具有灵活而友好的多种智能用户界面,使计算机和人的交流更为容易和自然。带有嵌入式计算机的家用电器的智能化和自动化,把我们从琐碎的家务劳动中解放出来。人工智能技术帮助我们进行医疗保健帮助我们丰富儿重教育,帮助我们在浩如烟海的因特网中寻找真实、有用的信息,成为默默无闻的好助手它改变了传统的通信方式语。还有模式识别在各个领域的应用现在也取得较好的成绩，因此模式识别在以后的发展中会被各国重点应用在各个领域当中，方便人们的生活。以知识为基础的模式识别系统的出现和不断发展,标志着模式识别方法的更加智能化,是日益受到重视的发展方向。5结语模式识别从20世纪20年代发展至今，人们的一种普遍看法是不存在对所有模式识别问题都适用的单一模型和解决识别问题的单一技术，我们在现拥有的只是一个工具袋，所要做的是结合具体问题把统计的和句法的识别结合起来，把统计模式识别或句法模式识别与人工智能中的启发式搜索结合起来，把统计模式识别或句法模式识别与支持向量机的机器学习结合起来，把人工神经元网络与各种已有技术以及人工智能中的专家系统、不确定推理方法结合起来，深入掌握各种工具的效能和应有的可能性，互相取长补短，开创模式识别应用的新局面。参考文献1赵志宇模式识别系统的工作原理及发展趋势[J].科技风,2010.2刘迪模式识别综述[J].黑龙江科技信息,2012.3王岚，陈晶，王睿，卢小泉几种模式识别方法在生物信息中的应用[J].计算机与应用化学，20074杨海峰，张德祥模式识别理论和技术在语音识别研究中的应用[J].合肥学院学报（自然科学版）20095霍桂利现代模式识别发展的研究与探索[J].河北广播电视大学学报20126斯芸芸嵌入式语音识别系统的设计与实现[J].重庆大学20127李冬梅基于人工神经网络和模式识别方法的地震序列类型早期预测研究[J].中国地震局兰州地震研究所20128SoongFK.AVectorQuantizationApproachtoSpeakerRecognition[C]//ProcofICASSP-85,Tampa:IEEE,1985:387-390