模式识别答疑库.docVIP

1．学习“模式识别”课有什么意义?　　答：“模式识别”是研究让机器识别事物的方法，如语音识别、文字识别、汽车牌识别，汽车型号识别等都是说的让机器识别事物。随着科学技术发展，随着计算机性能的不断提高，人们越希望计算机能代替人做各种事情，因此学习这门课，了解这种学科的基本特点，基础知识是有价值的。从发展趋势看越来越多的技术需要运用模式识别的基本技术。 2．“模式识别”与“人工智能”的关系是怎样的？　　答：模式识别与人工智能都是研究让机器具有智能，即做一些带“智能”的工作。因此两门课是有密切关系的。但“模式识别”的内容比较集中，主要研究对事物的识别，俗称分类。并且识别的方法主要依靠对事物属性的度量值进行计算，从而达到对事物进行分类的目的。“人工智能”学科的内容也在不断变化，但主要强调符号运算，推理，有哪些信誉好的足球投注网站方法等。 3．“模式识别”中讨论的基本方法与人识别事物的机制有无联系？　　答：从人们研究让机器识别事物或具有智能开始，一直希望把人们认识事物的机制搞清楚，并用来指导机器识别事物的研究。人们还希望“模式识别”中进行的研究能帮助人们对自身识别机理的认识，但目前看来“模式识别”还只能做一些表面上的模拟，例如用“学习”“训练”这种词，从“所犯错误中吸取教训”等是“模式识别”分类器的基本设计方法，但目前“模式识别”仍然不能帮助人们进一步了解自己，机器识别事物的方法与能力与人类具有的能力也相距极远。 4．“模式识别”与“机器学习”之间的关系是怎样的？　　答：近年来“机器学习”也逐渐成为一门学科。相近的词还有数据挖掘，知识获取等，主要讲的是从大量的数据中获取规律性的东西，在这点上与“模式识别”中的学习方法是相通的。模式识别中提到的许多概念对“机器学习”也十分有用。 5．特征与度量属性是什么关系？　　答：要让机器识别事物，它首先要获取信息，如语音声波，图像等，但是语音声波、图像并不能直接用来进行识别，要进行处理，得到对分类最有用的信息，这种信息称为特征。我们往往把所获取的原始信息称为度量，而经过处理的信息称之为特征。原始度量中既包含对分类有用的特征，但也包含对分类没有用的其它信息。例如大声说“我”与轻声说“我”，语音波形的幅度是不同的，但要识别的是“我”字，幅度的强弱不改变“我”字的性质，不是“特征”。 6．什么是“统计模式识别”？　　答：统计模式识别基于以下原理：同一类事物往往在属性上表现出一致性，而不同类的事物则在属性或部分属性上表现出一致性，而不同类的事物则在属性上表现出差异，因此对不同事物的属性在统计上看是有区别的。 利用统计属性的差异识别事物就是统计模式识别的主要方法。 7．除了利用统计属性进行模式识别之外，还有没有其它模式识别方法？　　答：有。还有一种结构模式识别。大家知道有些事物使用度量值表示并不合适，例如描写一个景物，景物内有房子、小路、树木、远处有山，天上有云等。对这种事物的描述除了必要的度量之外，更重要的是要描述事物由哪些部分组成以及这些组成部分之间的关系。适用于描述事物内部结构的方法有串、树、图等。这种描述方法主要描述事物内部的结构。因此对事物的识别主要判断结构上的相似性，在数学上是找串、树、图之间的匹配，要用到图论、文法等工具。 8．人工神经元网络也可用来进行模式识别，它与统计模式识别原理上是否相同？　　答：人工神经元网络中使用的数据也是向量形式，它实现模式识别的原理也是在特征空间中划分决策域，因此在原理上可以属于统计模式识别。但是在方法上与传统的统计模式识别有明显的不同。 9．贝叶斯决策方法是不是只有理论上的意义，没有实用价值？　　答：贝叶斯决策方法也有实用价值，如利用贝叶斯网络，隐马尔可夫模型（HMM）识别语音信号，都可以看成是贝叶斯决策方法的运用。 10．“有监督学习方法”与“非监督学习方法”有时不易区分，有没有更明确的说法？　　答：　　（1） 有监督学习方法的用途很明确，就是要对样本进行分类。训练样本集给出不同类样本的实例。从这些实例中找出区分不同类样本的方法，从而在特征空间中划定决策域。　　（2） 非监督学习方法的用途更广，它用来分析数据内在规律，如聚类分析，主分量分析，数据拟合等都属这一类。其中聚类可能与有监督学习方法的分类容易混淆，但聚类强调数据自然聚集状况分析，没有训练样本。　　（3） 有监督学习方法总有一个训练阶段和一个测试阶段。基于内容检索是有监督学习方法的一个例子。基于内容检索用来在图像库中进行检索。用户给出某张图片，要图像库帮他找到与其相似的图片。由于图像之间的相似度很难定义，图像库按某种标准给出一些图片，要求用户指出哪些是他要的。用户从中给出样本后，图像库从中进一步体会用户的意图。这是一个典型的有监督学习过程，这种方法称为相关反馈，用户的反馈意见就是给机器学习的一个指导过