模式识别方法及其比较分析

#40#信阳农业高等专科学校学报 第14卷

理论问题和方法、技术未能很好地解决,尚有许多领域有待应用。尽管现在机器识别的技术还远不如人脑,但随着模式识别理论及其他相关学科的发展,可以预言,它的功能会越来越强,应用也会越来越广泛。

域。如我们所熟知的信件分检、指纹识别、遥感图片的机器判读、具有视觉的机器人、车辆驾驶系统及车牌车型识别系统、生物医学中的细胞组织分析以及心电图自动分析等。在模式识别领域中,现在尚有许多

表1 模式识别中五种基本方法比较

识别方法

统计模式识别

比较项目主要理论支柱

概率论、数理统计

形式语言、自动机技术

模糊数学

模糊集合A={(La,a),(Lb,b),,,(Ln,n)

是一个聚合类。用条件概率分布表示,类就有个分布,然后判定未知模式属于哪一个分布。

是一种语言。用一个文法表示一类,类就有个文法,然后判定未知模式遵循哪个文法。

是一种集合运算。用隶属度将模糊集合划分为若干子集,类就有个子集,然后根据择近原则分类

是一种非线性动态系统。通过对样本的学习建立起记忆,然后将未知模式判决为其最接近的记忆。

是一种布尔演算。从事实出发运用一系列规则,推理得到不同结果,类就有个结果。

神经生理学、心理学

演绎逻辑、布尔代数

句法模式识别

模糊模式识别法

神经网络法

逻辑推理

模糊识别方法

特征向量X=(x1,x2,,,xn)

符号串、树、图以不同活跃度表示的输入结点集字符串表示的事实

模式类判定

判别类域界面法:

主要方法

线性分类非线性分类统计分类:Bayes决策无教师的分类:聚类分析

自动机技术;CYK剖析算法;Early算法;转移图法

隶属度函数的设计:模糊统计法二元对比排序法推理法

模糊集运算规则模糊矩阵

BP模型HOP模型高阶网

产生式推理语义网推理框架推理

优点:比较成熟,能考虑干扰、噪声等影响,识别模式基元能力强。缺点:对结构复杂的模式抽取特

要优缺点

征困难。不能反映模式的结构特征,难以描述模式的性质,难以从整体角度考虑识别问题。

优点:识别方便,可从简单的基元开始,由简至繁。能反映模式的结构特性,能描述模式的性质,对图像畸变的抗干扰能力较强。缺点:当存在干扰及噪声时,抽取基元困难,且易失误。

优点:由于用隶属度函数作为样品与模块间相似程度的度量,故往往能反映它们整体的与主要的特性,从而允许样品有相当程度的干扰与畸变。

缺点:准确合理的隶属度函数往往难以建立,故限制了它的应用。

优点:可处理一些环境信息十分复杂,背景知识不清楚,推理规则不明确的问题。允许样品有较大的缺损、畸变。

缺点:模型在不断丰富与完善中,目前能识别的模式类还不够多。

优点:已建立了关于知识表示与组织、目标搜索及匹配的完整体系。对需通过众多规则的推理达到识别确认的问题,有很好的效果。

缺点:当样品有缺损,背景不清晰,规则不明确甚至有歧义时,效主

参考文献:

[1] 孙即祥,王晓华,钟 山,等.模式识别中的特征提取与计算机视觉不变量[M].北京:国防工业出版社,2001.[2] 沈 清,汤 霖.模式识别导论[M].长沙:国防科技大学出版社,1991.[3] 李金宗.模式识别导论[M].北京:高等教育出版社,1994.[4] 蔡云龙.模式识别[M].西安:西北电讯工程学院出版社,1986.[5] 郑南宁.计算机视觉与模式识别[M].北京:国防工业出版社,1998.

[6] 杨光正,吴 岷,张晓莉.模式识别[M].合肥:中国科学技术大学出版社,2001.

(编辑:夏新奎)