模式识别的四种主要方法及其应用广泛性

模式识别的方法主要包括统计模式识别、句法结构模式识别、人工神经网络模式识别和模糊模式识别四种方法。

（一）统计模式识别

统计模式识别是对模式的统计分类方法，即结合统计概率论的贝叶斯决策系统进行模式识别的技术，又称为决策理论识别方法。这是最经典的分类识别方法，在图像模式识别中有着非常广泛的应用。统计模式识别是受数学中的决策理论的启发而产生的，一般假定被识别的对象或特征向量是符合一定分布规律的随机变量。其基本思想是将特征提取阶段得到的特征向量定义在一个特征空间中，这个空间包含了所有的特征向量，不同的特征向量或者不同类别的对象都对应于空间中的一点。在分类阶段，则利用统计决策的原理对特征空间进行划分，从而达到识别不同特征的对象的目的。主要方法有：判别函数法、K近邻分类法、非线性映射法、特征分析法以及主成分分析法等。统计模式识别中应用的统计决策分类理论相对比较成熟，研究的重点是特征提取。

（二）句法结构模式识别

句法（结构）模式识别着眼于对待识别对象结构特征的描述，利用主模式与子模式分层结构的树状信息完成模式识别工作。将一个识别对象看成是一个语言结构，例如一个句子是由单词和标点符号按照一定的语法规则生成的，同样，一幅图像是由点、线、面等基本元素按照一定的规则构成的。(www.xing528.com)

（三）人工神经网络模式识别

人工神经网络的研究起源于对生物神经系统的研究，它将若干个处理单元（即神经元）通过一定的互连模型连接成一个网络，这个网络通过一定的机制（如误差后向传播）可以模仿人的神经系统的动作过程，以达到识别分类的目的。人工神经网络区别于其他识别方法的最大特点是它对识别的对象不要求有太多的分析与了解，具有一定的智能化处理的特点。

（四）模糊模式识别

模糊模式识别是对传统模式识别方法即统计方法和句法方法的有用补充，能对模糊事物进行识别和判断，其理论基础是模糊数学。它根据人辨识事物的思维逻辑，吸取人脑的识别特点，将计算机中常用的二值逻辑转向连续逻辑。模糊识别的结果是用被识别对象隶属于某一类别的程度，即隶属度来表示的。可简化识别系统的结构，更广泛、更深入地模拟人脑的思维过程，从而对客观事物进行更为有效地分类与识别。