一、什麼是模式識别
人類每時每刻在完成某種模式識别的任務，例如讀書看報（文字識别）、茫茫人海中尋找一個夥伴（特征識别）、鳥鳴（聲音識别)……人們對外界對象的幾乎所有認識都是對類别的認識，通過計算機模仿人腦對現實世界各種事物 進行描述、分類、判斷和識别的過程即為模式識别。那麼什麼是模式呢？顧名思義，模式即為模式識别的對象，可以是一些文字，一個人，一張紙，鳥語花香等等一切可以進行識别測量的生活中的事物。
在對模式識别有了大緻的認識之後，開始正式學習前，以下這些關鍵名詞需要了解掌握
樣本（sample）：所研究對象的一個個體。
樣本集（sample set）: 若幹樣本構成的集合。
類或類别（class）：在所有樣本上定義的一個子集，處于同 一類的樣本在某種性質上是不可區分的。
特征（features）：指用于表征樣本的觀測，通常是數值表示的某些量化特征，有時也被稱作屬性。如果存在多個特征，則組成了特征向量。
已知樣本（known samples）：事先知道類别标号的樣本。
未知樣本（unknown samples）：類别标号未知但特征已知的樣本。
模式識别的問題就是用計算的方法根據樣本的特征對樣本進行分類。
二、模式識别的主要方法
（1）基于知識的方法 (Knowledge-based)
例如：AI、專家系統(Expert Systems)
句法（結構）模式識别 (Syntax PR or Structural PR)
（2）基于資料的方法 (Data-based)
例如：統計模式識别方法（Statistical PR）、人工神經網絡(ANN)、 支援向量機(SVM)
基于資料的識别方法，基礎是統計模式識别，即依據統計的原理來建構分類器。下圖為統計模式識别過程
基于資料的模式識别方法适用于已知對象的某些特征與我們所 感興趣的類别性質有關系，但無法确切描述這種關系的情況。
分類和特征之間的關系可以完全确切的描述出來，采用基于知 識的方法更有效；
若二者的關系完全随機，即不存在規律性的練習，應用模式識 别也無法得到有意義的結果。
三、監督模式識别與非監督模式識别
監督模式識别
已知類别，并且能夠獲得類别已知的訓練樣本，這種情況 下建立分類器的問題屬于監督學習問題，稱為監督模式識别。
非監督模式識别
事先我們并不知道類别，也沒有類别已知的樣本。根據樣本特征将樣本分為幾個類（劃分的過程稱為聚類），使屬于同一類的樣本在一定程度上是相似的，而不同類别之間的樣本有較大差異。這種學習過程稱作非監督模式識别。
四、模式識别系統舉例
筆者在此摘錄了一些書籍上的例子，如下：
1、語音識别
2、說話人識别（通過語音來确定說話者的身份）
3、字元與文字識别
4、複雜圖像中特定目标的識别（道路檢測、複雜圖像中人臉檢測）
5、根據地震勘探資料對地下存儲性質的識别
6、利用基因表達資料進行癌症的分類
五、模式識别系統的典型構成
一個模式識别系統通常包括原始資料的擷取和預處理、 特征提取與選擇、分類或聚類、後處理 四個主要部分。
監督模式識别(supervised PR)：
監督模式識别問題一般步驟：
分析問題---->原始特征擷取—>特征提取與選擇—>設計分類器
非監督模式識别(unsupervised PR)
非監督模式識别問題一般步驟：
分析問題---->原始特征擷取—>特征提取與選擇—>聚類分析—>結果解釋
差別:
監督模式識别需要訓練資料，根據訓練樣本設計分類器
非監督模式識别則不需要訓練資料，是根據樣本的相似性來進行分類的。
特征提取與選擇、分類器設計和聚類分析，以及分類器和聚類結果的性能評價方法 等是各種模式識别系統中具有共性的步驟，是整個系統的核心，也是模式識别學科研究的主要内容。
筆者最近在學習模式識别，以上是對模式識别的基本概念做了大緻闡述，與大家分享，共同學習，共同進步。若有描述不當的地方，還請指正，感激不盡！
參考所學書籍《模式識别》第三版 （張工學先生編著）