20179212 2017-2018-2 《密码与安全新技术》第6周作业
课程：《密码与安全新技术》
班级： 1792 姓名： 郭永健 学号： 20179212 上课教师：谢四江 上课日期：2018年5月24日 必修/选修： 必修学习内容总结
这节课是由赵老师为我们讲解的关于模式识别方面的知识。
模式识别的概念
人通过视觉、嗅觉、听觉、味觉、触觉接收外界信息、再经过人脑根据已有知识进行适当的处理后作出的判别事物或者划分事物性质（类别）的能力。
模式识别：就是用各种数学方法让计算机（软件与硬件）来实现人的模式识别能力，即用计算机实现人对各种事物或现象的分析、描述、判断、识别。 模式或者模式类：可以是研究对象的组成成分或影响因素之间存在的规律性关系，因素之间存在确定性或随机性规律的对象、过程或者事件的集合 识别：对以前见过的对象的再认识（Re-cognition) 模式识别：对模式的区分与认识，将待识别的对象根据其特征归并到若干类别中某一类 样本集(sample set)：若干样本的集合 例：三辆奇安特自行车、五辆凤凰自行车、六辆飞鸽自行车 类或者类别(class)：在样本集上定义的模式类子集合，同一类的样本在我们所关心的某种性质上是不可区分的，即具有相同的模式。 例：自行车：普通车、变速车、山地车、运动车 特征(feature)或者属性(attribute)：描述样本的若干观测值。多个特征或属性构造特征向量或者属性向量，通常与样本向量混用。 例：26英寸轮胎，人的身高与体重 样本(sample)：所研究对象的一个一个个体， 通常有一组特征构成的向量来描述，也称样本向量 例：一辆某一型号的奇安特自行车，可以用轮胎大小、是否有减震装置等特征来表示 模式识别也可以看成是从特征向量向类别所作的映射
美国邮政数字识别数据库(USPS)：
模式识别的主要方法
划分的原则
问题的描述方式 问题或样本性质 理论基础 应用领域 根据问题的描述方式： 基于知识的模式识别方法：以专家系统为代表，根据人们已知的(从专家那里收集整理得到的）知识，整理出若干描述特征与类别间关系的准则，建立一定的计算机推理系统，再对未知样本决策其类别。 基于数据的模式识别方法：制定描述研究对象的描述特征，收集一定数量的已知样本作为训练集训练一个模式识别机器，再对未知样本预测其类别（主要研究内容） 根据问题的划分 监督模式识别：先有一批已知样本作为训练集设计分类器，再判断新的样本类别（分类） 非监督模式识别：只有一批样本，根据样本之间的相似性直接将样本集划分成若干类别（聚类） 根据理论基础的划分 统计模式识别：概率论与数理统计 模糊模式识别：模糊逻辑 人工神经网络：神经科学、最优化、概率论与数理统计 结构模式识别：形式语言 根据应用领域的划分 图象识别：染色体分类、遥感图象识别 文字识别：中外文印刷体、手写体识别 数字识别：0-9印刷体、手写体识别，典型例子：邮政手写数字识别 人脸识别： 指纹识别： 虹膜识别： 掌纹识别： 语音识别：模式识别系统举例
非监督模式识别系统的典型框图：