模式識別的發展及應用

1、人工智能之模式識別

????????關于什么是人工智能，至今還缺少一個權威和統一的定義。但究其根本，始終是指機器能夠達到人的智能水平，即：能夠像人一樣，可以感知外在的事物，并通過自主的思維過程做出有目的、有意義的響應。因此，可以說：人工智能包括了感知、決策和行動三個方面的能力，當然這三項能力的運用都是由機器自主完成的，而不受人類的直接控制。而模式識別技術，正是實現人工智能感知能力的重要技術手段。?

2、模式識別的發展

????????模式識別與其他技術發展一樣，也不是突然出現的，而是有其從初級到高級、從實踐探索到理論突破的發展過程，期間，已經經過了近百年的歷史。

????????模式識別的本質是對事物的分類。認知過程是建立類別標簽和類別模式特征之間關聯的過程，而識別，就是將一個具體事物根據特征劃歸到已知的類別中去。

（1）光電閱讀機

????????作為使機器具有對外界事物感知能力的一種技術，模式識別的發展歷史可以追溯到 1929 年奧地利發明家 Tauschek 的光電閱讀機。這個裝置在一個旋輪上安裝了與字母和數字的形狀相同的透孔，當一個被強光照亮的字符經過透鏡聚焦照射到旋輪上時，如果正好與某一個字符的透孔形狀吻合，則透過的光強最強，會驅動旋輪內部的光敏元件發出信號，使閱讀機識別出顯示的字符。

????????Tauschek 的閱讀機是人類力圖讓機器具有識別能力的首次嘗試，它采用的方法被稱為“模板匹配”，也是第一個被實際應用的模式識別方法。

（2）感知器

????????隨著人工智能在上個世紀 50 年代成為研究熱點，通過模擬大腦的神經系統結構和運作機理來實現模式識別功能也成為一個重要的研究方向。其中，最為突出的貢獻是美國實驗心理學家羅森布拉特提出的感知器。他在 1960 年用硬件實現了由 400 個輸入信號和 8 個輸出信號構成的模式識別機 Mark 1，可以將 20*20的點陣圖像識別為 8 種不同的圖形。羅森布拉特的感知器除了能夠實現識別，更重要的是他還提出了機器學習的算法，即如何訓練一個機器，使它具備某種模式識別的能力。

?（3）句法模式識別

????????感知器雖然是以神經元模型為基礎，但仍然屬于統計模式識別的范疇，就是根據事物特征的取值來進行識別。1974 年美籍華裔計算機專家傅京孫提出的句法模式識別，則是首個完整的利用事物特征之間的結構關系來完成模式識別的算法，因此開創了稱為“結構模式識別”的另一種思路。傅京孫還聚集了從事模式識別相關算法研究和工程應用的有關學者，于 1976 年正式成立了國際模式識別學會 IAPR，使得模式識別作為一個獨立的學科走上了國際學術舞臺。

（4）BP 神經網絡模型?

????????自 1969 年以來，因為以感知器為代表的線性分類器不能解決非線性分類問題，所以，整個統計模式識別領域陷入低潮，一直到 1986 年美國認知神經學家Rumelhart 等人提出誤差反向傳播的多層次神經網絡模型 BP 模型后，模式識別才迎來了另一個發展的高潮。

（5）支持向量機（SVM）?

????????由于BP 算法能夠處理的神經網絡不能太復雜，其模型本身又是高度非線性的，因此，在可解釋性和工程應用效果方面都受到很大的局限。而 1995 年由前蘇聯統計學家和數學家 Vapnik 等人提出的支持向量機，作為一種理論基礎嚴密，優化目標明確，擴展能力強大的模式識別算法，取得了極大的成功。

?

?（6）深度學習

????????雖然與支持向量機同屬統計模式識別算法，但神經網絡模型由于面臨性能提升和計算量巨大的壓力，發展十分緩慢。直到計算機技術、網絡技術的快速發展在算力和數據量上做好了準備，算法理論又在 2006 年由 Hinton 等人取得了突破性進展，結構復雜的大規模神經網絡才得以實現，并以深度學習技術為核心引領著當今人工智能發展的新一輪浪潮。

?3、模式識別的應用

????????隨著計算機技術的快速發展和對于智能系統的強勁需求，模式識別技術在二戰以后得到了越來越廣泛的應用。目前，只要需要機器具有感知能力和一定的智能響應能力的地方，就有模式識別的應用。

以下在一些領域比較典型的模式識別應用：
（1）信息過濾 Information Filter
????????在網絡搜索和訪問的過程中，需要根據信息的內容來確定是否過濾，這已經不是簡單的關鍵字檢索能夠實現的，必須根據信息的總體內容、出處和上下文關系來確定是否過濾，模式識別技術可以發揮巨大的作用。最早的信息過濾算法是基于文本的，現在已經發展到基于
多媒體信息，包括圖像、視頻、聲音等等。
（2）生物特征識別 Biometrics
????????利用生物特征來識別人的身份，現在已經從科幻影片中的場景變成了現實。目前生物特征識別技術已從比較成熟的指紋識別、說話人識別、虹膜識別發展到了更加復雜的人臉識別、手印識別、步態識別等方法。
（3）目標跟蹤 Target Tracking
目標檢測與跟蹤也是模式識別的典型應用，大的方面可以應用到導彈制導、自動駕駛等軍事領域，小的方面可以應用到智能監控、照相機笑臉識別、眼動控制等領域。
（4）手勢識別 Gesture Recognition
????????手勢識別是近年來在人機交互領域的重要進展，通過識別人手的姿勢和運動來完成對計算機系統的非接觸控制，手勢的檢測可以依據紅外檢測、運動和姿態傳感器、可見光視頻和其它傳感器實現，Kinect、MYO 和 Leap Motion 都是比較受關注技術和產品。
（5）音樂識別 Music Recognizing
????????音樂識別本科音樂分類和旋律識別。音樂分類是根據音樂的特征將其劃入到不同的類別中，例如蘋果公司的 Genius 技術。旋律識別（Melody Recognizing）是指根據旋律，而不是根據關鍵字來搜索音樂，是目前音樂檢索的最新發展。百度曾經在 2010 年 9 月短暫推出過音樂的哼唱檢索，在許多卡拉 OK 點歌系統和手機應用中，也采用了基于哼 唱 的 音 樂 檢 索 技 術 。
（6）字符識別 Optical Character Recognition
????????光學字符識別（OCR）是最早發展的模式識別應用之一，它可分為聯機識別和脫機識別，又可以分為手寫識別和印刷體識別。目前聯機手寫識別（掌上設備的手寫輸入）、脫機印刷體識別（掃描文件的OCR、PDF 文件的拷貝）都發展到了一定的實用水平，比較困難的是脫機手寫識別。
（7）圖像識別搜索 Image Searching
????????通過圖像的內容來進行檢索，而不是根據關鍵字檢索，也是模式識別在圖像處理方面的典型應用。由于圖像本身的質量差異較大，變化的情況也比較多，目前該領域還處于研究階段。
（8）自然語言理解 Natural language understanding
????????自然語言理解（NLU）一直是人工智能領域的研究重點，其研究內容既包括文字的理解，也包括口頭對話的理解。目前文字方面進展較大，許多機器翻譯系統已經可以投入實用，例如 Google 的在線翻譯
（9）腦電識別 Electroencephalograph Recognition
????????對于腦電信號的識別，是一項非常前沿的研究工作。它不僅可以用于“讀腦”，獲知人的思維活動，而且可以用于“腦電控制”，幫助殘疾人或者特殊人員（例如戰斗機的駕駛員）控制各種設備完成預定任務。
（10）環境識別 Environment Recognition
????????環境識別是對周邊環境類型和狀態的識別技術，在無人駕駛汽車、自主外星探測器等系統中十分重要，Google Glass 等先進的隨身環境感知和信息處理設備中，環境識別也是重要的組成部分。

4、模式識別系統

?5、模式識別算法體系

?

以上內容根據北京理工大學模式識別課程整理。