1.1 模式与模式识别

1. 模式与模式识别的定义：人类认识外界事物的能力涉及对事物的分类和识别，这一过程依赖于对事物整体性质和特点的认识。模式识别就是指依据这种对事物类别的认识，对具体对象进行分类和识别的过程。例如，看到一幅风景照片，人们能识别出其中的各种元素，并判断出这是中国江南水乡的景色 ，这一认知过程包含了对多个模式的识别。
2. 模式识别的方法分类
   • 基于知识的方法：把对象分解描述成基本单元，用符号表示单元及单元间的句法关系，利用形式语言和句法分析原理实现样本分类。但该方法依赖于人们对所研究对象的认识，在很多情况下人们并不具备足够的认识，因此应用受限。
   • 基于数据的方法：在确定样本特征后，不依赖于对对象的先验认识，而是通过收集已知样本组成训练集，训练模式识别机器，使其能够对未知样本进行分类。这是模式识别最主要的方法，可看作基于数据的机器学习的特殊情况，其学习目标是离散的分类。模式识别的任务是在类别标号与特征向量存在未知依赖关系，且仅已知一组训练数据对的情况下，求解定义在特征向量上的函数（分类器），以预测未知样本的类别 。
3. 模式识别与机器学习、人工智能的关系：进入21世纪，机器学习备受关注，模式识别是其核心且研究最多的方面。在模式识别和机器学习的发展历程中，它们与人工智能研究并行。后来，以深度学习为代表的机器学习方法取得巨大发展，人们开始将机器学习与人工智能视为同一领域，模式识别与机器学习这两个术语也常被混用 。
4. 模式识别的适用场景：基于数据的模式识别方法适用于已知对象某些特征与感兴趣的类别性质有关，但无法确切描述这种关系的情况。这种不确定性可能是由于对相关机理研究不足，或问题本身的不确定性、样本异质性和观测数据不准确等原因造成的。如果分类和特征之间的关系能完全确切描述，基于知识的方法可能更有效；若两者关系完全随机，则模式识别难以得到有意义的结果 。