[译]人工经网络技术在模式识别中的应用.docVIP

题目：人工神经网络技术在模式识别中的应用 原题目：use of artificial neural network in pattern recongnition学 院：内蒙古农业大学 专 业：农业电气化与自动化 学 号：37 姓 名：祁飞 导 师：武佩教授论文提交日期：二О一四年七月二十 人工神经网络技术在模式识别中的应用 Jayanta Kumar Basu Debnath Bhattacharyya Tai-hoon Kim Computer Science and Engineering Department Heritage Institute of Technology Kolkata, India basu.jayanta@yahoo.co.in Multimedia Engineering Department Hannam University Daejeon, Korea debnath@, taihoonn@ 摘要 在众多传统的模式识别中，关于统计法的研究最深入，并且已经在实践中应用。近年来，结合人工智能神经网络技术的模式识别引起了人们重大的关注。该识别系统的设计需注意以下问题：模式类、传感环境、模式表示、特征提取和选择；聚类分析、分类器的设计和学习、选择、训练和测试样本、绩效评估。尽管已经对该领域研究了近乎50年，但是对复杂多向性的模式的识别，定位以及规模的设定等普遍问题仍没有较好的解决方法。 新兴的技术，如数据挖掘（指从资料中发掘资讯或知识），网络有哪些信誉好的足球投注网站， 多媒体数据，人脸识别，andcursive手写识别，检索等都基于强大和高效的模式识别技术。本文的目的就是总结和比较了几种著名的方法。这些方法应用于不同时期的人工神经网络，识别研究的主题和应用。这些方法都走在这一令人激动和具有挑战性的领域的最前沿。 关键词：模式识别，相关性，神经网络。 介绍 模式识别是研究如何实现机器对环境的观察，让机器学会从它们所观察的环境背景中提取兴趣信息（此处的兴趣实为人为设定的特征范围），并且做出合理可靠的模式类别。尽管已经经历了近50年的研究，对于一般的机器模式识别系统的设计仍是一个可望而不可及的目标。在大多数情况下，人类才是最佳的模式识别系统。但我们至今无法破解人类是如何进行高效的模式识别的。ROSS强调诺贝尔奖获得者赫伯特西蒙… …我们需要投入更多的经历来对模式识别进行研究。 我们的目标是介绍一种基于人工神经网络的模式识别方法。并且是利用可用的传感器，处理器和领域知识去进行自动判断的最好，最可行的方法。 2．模式识别 自动（机器）识别，描述，分类，模式分类，这些问题对于各种各样的工程和科学学科，如生物学，心理学，医学，市场营销，计算机视觉，人工智能和遥感是非常重要的。 所谓的模式可以是一个指纹，一个手写的字，一个人的脸或者一段声音。识别/分类一种模式，有以下两种方式之一： （1）监督分类方法（例如：判别分析）。用已知类别的样本训练分类器。 （2）非监督分类方法（例如：聚类分析）。样本的数据类别未知。 模式识别被用于解决分类问题。通常分类规则由设计者设定（监督分类方法）或者根据样本之间的相似性进行分类（非监督分类方法）。其应用还包括数据挖掘（定义一个“模式”，例如相关性或者大量的多维模式中的异常值），文件分类（有效的有哪些信誉好的足球投注网站本文文档），财政预测，多媒体数据库的组织和检索，生物识别技术。随着计算机技术的迅速发展，大规模数据的处理速度得到大幅提升。数据分析和分类的方式是多样并精确的，同时也对其应用进行了扩展。与此同时，随着对大规模数据处理和性能严格控制方面（速度，准确性和成本）的需求日益增加，自动模式识别系统开始迅速发展。模式识别系统的设计主要涉及以下三方面： 数据的采集和预处理;（2）数据表示；（3）数据分类规则制定。 所要识别的问题决定了传感器的类型。传感器可用于预处理技术，表示方案和数据分类模型的确定。人们普遍认为要对所识别的问题定义清晰，并且对其充分约束(小组内差异和大组内差异)，才会得到简单的模式识别表示法和数据分类模型。对于大部分模式识别系统来说，从一些例子中（训练集）进行学习是很重要的，并且可以作为系统理想的属性参数。四个用于模式识别最有名的方法是：（1）模版匹配；（2）统计分类；（3）语法、结构匹配；（4）神经网络。 3.人工神经网络 神经网络技术的主要特点：研究复杂的非线性输入输出之间的关系。通过一连串的训练过程，自动调整以适应数据。目前神经网络对模式识别技术最常用的是前馈网络。前馈网络包含多层感知器和径向基函数网络。另一种常用的网络是自组织映射（SOM），或者Kohonen神经网络。它主要用于数据聚类和特征映射。为了使神经网络能有效