仿生模式识别方法及应用的研究+文献综述(3)
（4）给出仿生模式识别相关应用及取得的效果。
1.4 论文章节结构
根据研究目标和研究内容，本文章节结构安排如下图：
第一章 绪论
第二章 传统模式识别
第三章 仿生模式识别
第四章 仿生模式识别的数学工具
第五章 仿生模式识别的人工神经网络实现
第吹冰章 仿生模式识别的应用与效果
图1.1 论文章节架构
第一章主要介绍人工智能的发展，以及在此基础上如何产生新兴领域——模式识别；
第二章描述传统的统计模式识别的产生、基本概况以及它的缺陷；
第三章重点阐述本文的焦点——仿生模式识别如何脱颖而出，与传统模式识别的差异；
第四章分析仿生模式识别的数学工具，即高文空间几何的相关概念、理论，研究高文空间中点分布的相关性质及高文空间几何覆盖理论；
第五章研究人工神经网络，及如何运用该理论实现仿生模式识别；
第吹冰章介绍仿生模式识别的相关应用和所取得的效果。
2 传统模式识别
通俗一点说模式识别即是利用计算机或其他装置对图形、语音、文字等信息所做的识别，它在上世纪20年代问世，经过几十年的发展，大约在60年代形成一门独立的学科，并且不断丰富完善，在各个领域都产生一定影响，被大量应用到医学、天文、人工智能、考古、武器研发、地质勘探、工农业等等诸多领域中，如人脸识别、文本分类、指纹识别、系统检测、精确制导、手写体字符识别等方方面面，极大的鼓舞了人类对于计算机智能研究的热情。
2.1 模式识别发展历程
1929年G.Tauschek研制出了世界上第一台阅读机，能够阅读0-9这十个数字，这也是最早的模式识别雏形。上个世纪30年代Fisher第一次提出“线性判别分析”，这种方法主要是通过两类向量概率分布函数将它们区分，这一理论日后成为传统模式识别的根本。接着，统计模式识别逐渐转化为寻找使平均风险最小化的一种识别方式，基本与处理类别划分大同小异。之后，Vapnik创造的“最优分类超平面”，并以此形成的一套统计学理论，直接导致了支撑向量机的诞生，支撑向量机是否复杂也可由VC的文数来决定，十分灵活，得到了广泛的认可。而计算机也在不断发展，计算速度与日俱增，这也部分的克服了“文数灾难”问题，因此，统计模式识别仍占据主导地位。60年代时，L.A.Zadeh研究出了模糊集理论，使得模糊模式识别理论有了长足进步。80年代，Hopfield发明了神经元网络模型，此后人工神经网络逐渐被运用到模式识别领域。2002年，中科院院士王守觉提出一个全新概念——仿生模式识别，用“认识”代替“区分”，强调同类样本之间的连续性，成为模式识别领域的一股新思想。
2.2 模式识别的概念
模式识别对于我们人类来说并不陌生，它是我们与生俱来的一种智能表现，人们在不经意间可能都在进行着模式识别，人们通过不断观察事物，积累记忆，对事物就有了识别划分能力。这种识别能力对任何动物来说太过于简单而自然，以至于人们忽略了对它的仔细研究，直到计算机的出现改变了人类的生活，计算机拥有超强的计算速度，人类通过对它的不断挖掘试图让它代替人进行一些体力劳动，它不仅可以高效率的完成任务，还可以适应高强度、高危险的工作环境，这就要求它要具有分析运算进行识别的能力。
模式就像我们所熟悉的标本一样，世界上任何客观存在的事物都可以叫做模式。比如一栋楼、一本影集、一场话剧等等。在模式识别理论中，一般把对某一事物所做的定量或结构性描述的集合成为模式，如根据人的体貌特征身高、体重、性别等判断此人是张三或李四；根据物体的颜色、气、形状区分它的类别等等。模式可以以图形、符号、语言、声音等各种形式出现。
上一篇：基于旋律的音乐检索系统设计与实现