英文“Pattern”源于法文“Patron”，本來是指可作為大家典范的理想的人，或用以模仿復(fù)制的完美的樣品。

在模式識(shí)別學(xué)科中“模式”具有更廣泛的意義。

人們在觀察事物或現(xiàn)象的時(shí)候，常常要尋找它與其他事物或現(xiàn)象的相同或不同之處，根據(jù)一定的目的把并不完全的事物或現(xiàn)象組成一類。字符識(shí)別就是一個(gè)典型的例子。例如漢字“中”可以有各種寫法，但都屬于同一類別。更為重要的是，即使對于某個(gè)“中”的具體寫法從未見過，也能把它分到“中”這一類別。人們在路上行走的時(shí)候，也總是不斷的根據(jù)周圍的景物，判斷它是否能達(dá)到目的地，這實(shí)際也是不斷的在作“正確”和“不正確”的分類判斷。

人腦的這種思維能力就構(gòu)成了“模式”的概念。在以上的例子中，模式是和類別（集合）的概念分不開的，只要認(rèn)識(shí)這個(gè)集合的有限數(shù)量的事物或現(xiàn)象，就可以識(shí)別這個(gè)集合中的任意多的事物或現(xiàn)象。

為了強(qiáng)調(diào)能從具體的事物或現(xiàn)象中推斷出總體，我們就把個(gè)別的事物或現(xiàn)象稱作“模式”，而把總體稱作類別或范疇。也有的學(xué)者認(rèn)為應(yīng)該把整個(gè)的類別稱作模式，這樣的模式是一種抽象化的概念，如“房屋”，“鐵路”，“通俗音樂”等等都是模式，而把具體的對象如人民大會(huì)堂稱作“房屋”這類模式中的一個(gè)樣本。這種名次上的不同含義是容易從上下文中弄清楚的。

模式還可分成抽象的和具體的兩種形式。前者如意識(shí)、思想、議論等，屬于概念識(shí)別研究的范疇，是人工智能的另一研究分支。我們所指的模式識(shí)別主要是對語音波形、地震波、心電圖、腦電圖、圖片、文字、符號(hào)、三位物體和景物以及各種可以用物理的、化學(xué)的、生物的傳感器對對象進(jìn)行測量的具體模式進(jìn)行分類和辨識(shí)。

模式識(shí)別研究主要集中在兩方面，即研究生物體（包括人）是如何感知對象的，屬于認(rèn)知科學(xué)的范疇，以及在給定的任務(wù)下，如何用計(jì)算機(jī)實(shí)現(xiàn)模式識(shí)別的理論和方法。前者是生理學(xué)家、心理學(xué)家、生物學(xué)家和神經(jīng)生理學(xué)家的研究內(nèi)容，后者通過數(shù)學(xué)家、信息學(xué)專家和計(jì)算機(jī)科學(xué)工作著近幾十年來的努力，已經(jīng)取得了系統(tǒng)的研究成果。

早期的計(jì)算機(jī)模式識(shí)別研究著重在模型的建立上。50年代末，F.Rosenblatt提出了一種簡化的模擬人腦進(jìn)行識(shí)別的數(shù)學(xué)模型-感知機(jī)，初步實(shí)現(xiàn)了通過給定類別的各個(gè)樣本對識(shí)別系統(tǒng)進(jìn)行訓(xùn)練，使系統(tǒng)在學(xué)習(xí)完畢后具有對其他未知類別的模式進(jìn)行正確分類的能力，60年代用統(tǒng)計(jì)決策理論求解模式識(shí)別問題得到了迅速的發(fā)展，70年代前后出版了一系列反映統(tǒng)計(jì)模式識(shí)別理論和方法的專著。

1962年，R.Narasimahan提出了一種基于基元關(guān)系的句法識(shí)別方法，傅京孫在這個(gè)領(lǐng)域進(jìn)行了卓有成效的工作，形成了句法模式識(shí)別的系統(tǒng)理論。80年代，J.J.Hopfield深刻揭示出人工神經(jīng)元網(wǎng)絡(luò)所具有的聯(lián)想存儲(chǔ)和計(jì)算能力，為模式識(shí)別技術(shù)提出了一種新的途徑，短短幾年在很多方面就取得了顯著成果，從而形成了模式識(shí)別的人工神經(jīng)元網(wǎng)絡(luò)方法的新的學(xué)科方向。

一個(gè)計(jì)算機(jī)模式識(shí)別系統(tǒng)基本上事有三部分組成的，即數(shù)據(jù)采集、數(shù)據(jù)處理和分類決策或模型匹配。

任何一種模式識(shí)別方法都首先要通過各種傳感器把被研究對象的各種物理變量轉(zhuǎn)換為計(jì)算機(jī)可以接受的數(shù)值或符號(hào)（串）集合。習(xí)慣上，稱這種數(shù)值或符號(hào)（串）所組成的空間為模式空間。為了從這些數(shù)字或符號(hào)（串）中抽取出對識(shí)別有效的信息，必須對它進(jìn)行處理，其中包括消除噪聲，排除不相干的信號(hào)以及與對象的性質(zhì)和采用的識(shí)別方法密切相關(guān)的特征的計(jì)算（如表征物體的形狀、周長、面積等等）以及必要的變換（如為得到信號(hào)功率譜所進(jìn)行的快速傅里葉變換）等。然后通過特征選擇和提取或基元選擇形成模式的特征空間。以后的模式分類或模型匹配就在特征空間的基礎(chǔ)上進(jìn)行。系統(tǒng)的輸出或者是對象所屬的類型或者是模型數(shù)據(jù)庫中與對象最相似的模型編號(hào)。

針對不同應(yīng)用目的，這三部分的內(nèi)容可以有很大的差別，特別是在數(shù)據(jù)處理和識(shí)別這兩部分，為了提高識(shí)別結(jié)果的可靠性往往需要加入知識(shí)庫（規(guī)則）以對可能產(chǎn)生的錯(cuò)誤進(jìn)行修正，或通過引入限制條件大大縮小待識(shí)別模式在模型庫中的搜索空間，以減少匹配計(jì)算量。在某些具體應(yīng)用中，如機(jī)器視覺，除了要給出被識(shí)別對象是什么物體外，還要求出該物體所處的位置和姿態(tài)以引導(dǎo)機(jī)器人的工作。

模式識(shí)別已經(jīng)在天氣預(yù)報(bào)、衛(wèi)星航空圖片解釋、工業(yè)產(chǎn)品檢測、字符識(shí)別、語音識(shí)別、指紋識(shí)別、醫(yī)學(xué)圖像分析等許多方面得到了成功的應(yīng)用。所有這些應(yīng)用都是和問題的性質(zhì)密切不可分的，至今還沒有發(fā)展成統(tǒng)一的、有效的可應(yīng)用于所有的模式識(shí)別的理論。

當(dāng)前的一種普遍看法是不存在對所有的模式識(shí)別問題都使用的單一模型和解決識(shí)別問題的單一技術(shù)，我們現(xiàn)在擁有的是一個(gè)工具袋，我們所要做的是結(jié)合具體問題把統(tǒng)計(jì)的和句法（結(jié)構(gòu)）的識(shí)別方法結(jié)合起來，把統(tǒng)計(jì)模式識(shí)別或句法模式識(shí)別與人工智能中的啟發(fā)式搜索結(jié)合起來，把人工神經(jīng)元網(wǎng)絡(luò)與各種以有技術(shù)以及人工智能中的專家系統(tǒng)，不確定方法結(jié)合起來，深入掌握各種工具的效能和應(yīng)用的可能性，互相取長補(bǔ)短，開創(chuàng)模式識(shí)別應(yīng)用的新局面。

本文轉(zhuǎn)自：http://www.chinaai.org/pr/pattern-recognition/brief.html