——摘自《模式識別導論》齊敏,李大健,郝重陽, 清華大學出版社,2009.
按照理論分類：
統計模式識別:是定量描述的識別方法。以模式集在特徵空間中分布的類概率密度函式為基礎，對總體特徵進行研究，包括判別函式法和聚類分析法。是模式分類的經典型和基礎性技術，歷史最長，目前仍是模式識別的主要理論。按照實現方法分類：句法模式識別:也成為結構模式識別，是根據識別物件的結構特徵，以形式語言理論為基礎的一種模式識別方法。主要用於自然語言處理，發展相對緩慢。
模糊模式識別：將模糊數學的一些概念和方法應用到模式識別領域而產生的一類新方法。它以隸屬度為基礎，運用模糊數學中的「關係」概念和運算進行分類。
神經網路模式識別：神經網路模式識別是人工神經網路與模式識別相結合的產物。以人工神經元為基礎，模擬人腦神經細胞的工作特點，對腦部工作機制的模擬更接近生理性，實現的是形象思維的模擬，與主要進行邏輯思維模擬的基於知識的邏輯推理相比有很大的不同。
監督分類：也成為有人管理的分類。首先需要依靠已知類別的訓練樣本集，按照它們的特徵向量的分布來確定判別函式，然後再利用判別函式對未知的模式進行分類判別。因此，使用此類方法需要有足夠的先驗知識。非監督分類：也成為無人管理的分類。這類方法一般用於沒有先驗知識的情況，通常採用聚類分析的方法，即「物以類聚」的觀點，用數學方法分析各特徵向量之間的距離及分散情況，結果合理即可。
模式識別 統計模式識別（6）
上一節，我們討論了最小錯誤率分類器，接下來這一節我們將討論最小風險bayes分類器。1.問題提出 1.最小錯誤率bayes決策的最小錯誤率 概率意義上最優，在工程上是否是最優?2.錯誤分類的結果 代價或風險會是怎樣的？考慮癌細胞影象識別的例子 3.出錯的可能情況 正常細胞 1錯分為異常 2，異常細胞...
模式識別 統計模式識別（7）
上兩節我們介紹了最小錯誤率和最小風險bayes分類器，接下來談談最小最大決策。1.問題提出 假設c 2 現在我們假定一種情況，先驗概率未知或者不確定的前提，在這種前提下，絕對意義的最小風險不存在，這種情況下我們怎麼求bayes分類器。2.求解思路 雖然p 1 和p 2 未知，但我們可以假設他們確定，...
模式識別 句法模式識別（1）
圖形或影象目標的形狀或結構千變萬化，目標 模式 的差異也在於其形狀或結構的不同，這種模式稱為結構模式，基於形狀或結構的模式識別稱為結構模式識別。數字影象處理學中，鏈碼是描述目標邊緣和輪廓的常用的編碼方法。用字元或符號的來表示影象目標的區域性邊緣的走向。freeman鏈碼 影象像元之間邊緣的走向用方向...