智能信息处理：模式识别系统组成

典型模式分类系统包括：预处理、特征提取、分类和后处理几个部分。

1.预处理

预处理部分包含传感器、分割和组织。一个模式分类系统的输入通常取自一些传感器，比如摄像机或传声器阵列。问题的难度很大程度上依赖于传感器的特征和局限性，比如带宽、分辨率、灵敏度、失真、信噪比、延迟等。

2.特征提取

从概念上划分“特征提取器”和“模式分类器”两个部件存在一些随意性。一个“理想的”特征提取器应该产生一个表达，使得后继的分类器的工作变得平常化。相反，一个“万能的”分类器将不必借助于复杂的特征提取器就能独立完成任务。之所以在概念上区别对待两者，仅仅是出于实践中的考虑，而并非理论上的原因。

特征提取器通常要提取具有如下性质的特征描述，即来自同一类的不同样本的特征值应该非常相近，而来自不同类别的样本的特征值应该有很大的差异。(www.xing528.com)

3.分类器

系统中的分类器的作用是：根据特征提取器得到的特征向量来给一个被测对象赋一个类别标记。完美的分类性能通常是不可能获得的，更一般的任务是确定每一个可能类别的概率。由输入数据特征向量表示所提供的抽象，使得建立大规模领域独立的分类理论成为可能。

分类的难易程度取决于两个因素，其一是来自同一个类别的不同个体之间的特征值的波动。其二是属于不用类别的样本的特征值之间的差异。来自同类对象的个体特征值的波动可能来自问题的复杂度，也可能来自噪声。这里所定义的噪声是一个非常广义的概念：如果一个感知器的模式属性并非来自真正模式的模型，而是来自环境中的某种随机性或者是传感器的性能缺憾，那么就是噪声，所有非平凡的决策和模式识别问题都包含了某种形式的噪声。

4.后处理

后处理是利用分类器的输出结果来确定合适的动作。