【摘要】：统计模式识别是根据实验数据进行定性分析时常用的方法，其数学基础是多元统计理论和方法。相关的参考书大多以多元统计分析或模式识别命名。若特征的选择不合适，则无论采用何种模式识别方法都很难取得好的识别效果。在有监督模式识别中，通常要根据已知类别的样品特征建立一个判别模型（函数），然后根据所建立的模型（函数）对未知样品（模式）进行识别。
8.7.1 模式识别的基本步骤
统计模式识别是根据实验数据进行定性分析时常用的方法，其数学基础是多元统计理论和方法。相关的参考书大多以多元统计分析或模式识别命名。
一个完整的模式识别过程需要经过如下步骤。
（1）特征的选择与抽提。这一步骤没有哪本教材可以提供明确的解决方案，因为实际对象千差万别，不同类型模式的分类特征不同，因此特征的抽提与选择需要对研究对象有较为深入、全面的认识和专业知识、经验。通常是采用查阅相关领域的参考文献，根据专业背景知识与经验来确定所要研究的对象的特征。然后再进一步利用各种方式进行筛选，以抽提重要的特征。若特征的选择不合适，则无论采用何种模式识别方法都很难取得好的识别效果。
（2）特征参数的测试与收集。在确定进行分类研究所需的重要特征后，下一步应当是收集或者测试各个样本（模式）的特征参数，即我们通常进行的实验过程。
（3）选择合适的模式识别方法对研究对象进行分类或者识别。在有监督模式识别中，通常要根据已知类别的样品特征建立一个判别模型（函数），然后根据所建立的模型（函数）对未知样品（模式）进行识别。而在无监督模式识别中，事先并不对样品进行分类和限制，而是根据样品的特征参数和相似性评价指标（如距离指标、相似系数等）的接近程度对样品进行自然分类。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
