模式识别

模式识别（精选10篇）

篇1：模式识别

王丽霞

深圳市南山区学府路；***、lixia_2011@126.com

求职意向

数字图像处理、模式识别算法工程师 教育经历

汕头大学 电子工程系 信号与信息处理专业 硕士2007.9—2010.6 汕头市

·在校期间成绩优良，分别一次获汕头大学一等、二等奖学金；2008 09担任女生部部长负责统筹管理，成立特色学科及基础学科研讨组，积极开拓学生的思维并提高他们的学习成绩，更贴近社会的新路线。

潍坊学院 信息与控制工程学院 电子信息工程 学士2003.9—2007.6 潍坊市

·2007年9月以第一名成绩考入汕头大学攻读硕士研究生；在校期间担任班级学习委员负责不同类学生的学习方法指导；2004-9-2007-6担任学院文艺部部长，负责迎新晚会筹划，锻炼了团队领导能力、协调能力、临场反应能力以及创新思维。英语及专业技能

●熟练掌握了数字信号处理及它的常用算法、有良好的数学功底；熟悉图像处理的基本算法、熟悉模式识别基础知识与智能系统理论及它们的应用，在模式识别和运动跟踪方面有较深的理解；熟悉光伏应用系统的结构、性能原理；曾在核心期刊系统仿真技术发表文章（基于神经网络应用的光伏最大功率跟踪）。

●英语：六级考试 362；四级考试 473；具有较强的相关专业学科的英文文献阅读能力； ●能熟练使用计算机，会用电路仿真软件、LabVIEW软件、熟练掌握Visual C++的MFC程序设计和MATLAB仿真工具，能够做算法的设计和仿真；并能应用LabVIEW软件进行信号处理（波形测量、时频域分析与数学分析（概率统计拟合最优化等）。工作经历

2010 6-2010 8深圳市辉锐天眼科技有限公司担任核心研发工程师 ●职位为智能监控核心研发工程师

●负责计算机视觉方面的IEEE文章的讲解及不同算法的实现研究，负责机器视觉系统图像处理、分析及识别算法设计、实现，参与图像处理技术研究与设计，对已有算法进行优化改进。使用OpenCV进行背景/前景提取、检测识别、了解运动跟踪的常用算法、设计相关信号特征提取算法及其设计模式识别分类器等。项目经验

2008 09-2009 11模式识别与智能系统理论的算法研究 ●算法在MATLAB仿真，并在SIMULINK中建模，最后把这个算法用C++语言编程，在VC++中生成了可执行文件。

2009 01-2009 06生物细胞图像病变检测算法研究 ●在MATLAB中仿真了算法，正确率达到82%。

2009 07-2009 09图像压缩算法编码器设计 ●在FPGA芯片上实现并验证了方案，对比得出了FPGA比DSP在神经网络实现上的明显优势，前者采用指令顺序执行的方式，数据位宽固定，FPGA处理数据的方式是基于硬件的并行处理方式，即一个时钟周期内可并行完成多次运算，特别适合于神经网络的并行特点。2010 02在科进生物识别公司 ●了解了不同二维条码尤其QR code的特点，探讨了定位图形的方法，了解了指纹识别，探讨了小波变换及gabor变换在纹理图像的特征提取的优劣。自我评价及爱好

●很强的责任心创新能力、自学能力及应用知识能力；诚实善良，勤奋刻苦，进取精神、团队协作精神；爱好户外运动、国学研究，齐白石大师的画。

篇2：模式识别

监督学习方法用来对数据实现分类，分类规则通过训练获得。该训练集由带分类号的数据集组成，因此监督学习方法的训练过程是离线的。

非监督学习方法不需要单独的离线训练过程，也没有带分类号（标号）的训练数据集，一般用来对数据集进行分析，如聚类，确定其分布的主分量等。

（实例：道路图）就道路图像的分割而言，监督学习方法则先在训练用图像中获取道路象素与非道路象素集，进行分类器设计，然后用所设计的分类器对道路图像进行分割。

使用非监督学习方法，则依据道路路面象素与非道路象素之间的聚类分析进行聚类运算，以实现道路图像的分割。

1、写出K-均值聚类算法的基本步骤, 算法：

第一步：选K个初始聚类中心，z1(1)，z2(1)，…，zK(1)，其中括号内的序号为寻找聚类中心的迭代运算的次序号。聚类中心的向量值可任意设定，例如可选开始的K个模式样本的向量值作为初始聚类中心。第二步：逐个将需分类的模式样本{x}按最小距离准则分配给K个聚类中心中的某一个zj(1)。假设i=j时，Dj(k)min{xzi(k),i1,2,K}，则xSj(k)，其中k为迭代运算的次序号，第一次迭代k=1，Sj表示第j个聚类，其聚类中心为zj。第三步：计算各个聚类中心的新的向量值，zj(k+1)，j=1,2,…,K zj(k1)1NjxSj(k)x,j1,2,,K 求各聚类域中所包含样本的均值向量：

其中Nj为第j个聚类域Sj中所包含的样本个数。以均值向量作为新的聚类中心，JjxSj(k)xzj(k1),2j1,2,,K可使如下聚类准则函数最小：

在这一步中要分别计算K个聚类中的样本均值向量，所以称之为K-均值算法。第四步：若zj(k若zj(k 1)zj(k)，j=1,2,…,K，则返回第二步，将模式样本逐个重新分类，重复迭代运算；

1)zj(k)，j=1,2,…,K，则算法收敛，计算结束。

T线性分类器三种最优准则：

wSFisher准则：maxJ(w)wSwFTb>>n）的条件下，可以使用分支定界法以减少计

m算量。

15、散度Jij越大，说明i类模式与j类模式的分布（差别越大）；当i类模式与j类模式的分布相同时，Jij=（0）。

16、影响聚类算法结果的主要因素有（②分类准则 ③特征选取 ④模式相似性测度。）。

19、模式识别中，马式距离较之于欧式距离的优点是（③尺度不变性 ④考虑了模式的分布）。20、基于二次准则函数的H-K算法较之于感知器算法的优点是（①可以判别问题是否线性可分 ③其解的适应性更好）。

21、影响基本C均值算法的主要因素有（④初始类心的选取 ①样本输入顺序 ②模式相似性测度）。

22、位势函数法的积累势函数K(x)的作用相当于Bayes判决中的（②后验概率 ④类概率密度与先验概率的乘积）。

23、统计模式分类问题中，当先验概率未知时，可使用（②最小最大损失准则 ④N-P判决）

24、在（①Cn>>n,（n为原特征个数，d为要选出的特征个数）③选用的可分性判据J对特征数目单调不减）情况下，用分支定界法做特征选择计算量相对较少。

25、散度JD是根据（③类概率密度）构造的可分性判据。

26、似然函数的概型已知且为单峰，则可用（①矩估计②最大似然估计③Bayes估计 ④Bayes学习⑤Parzen窗法）估计该似然函数。

27、Kn近邻元法较之Parzen窗法的优点是（②稳定性较好）。

28、从分类的角度讲，用DKLT做特征提取主要利用了DKLT的性质：（①变换产生的新分量正交或不相关③使变换后的矢量能量更趋集中）。

29、一般，剪辑k-NN最近邻方法在（①样本数较大）的情况下效果较好。d29、如果以特征向量的相关系数作为模式相似性测度，则影响聚类算法结果的主要因素有（②分类准则 ③特征选取）。30、假设在某个地区细胞识别中正常（w1）和异常（w2）两类先验概率分别为 P(w1)=0.9，P(w2)=0.1，现有一待识别的细胞，其观察值为x，从类条件概率密度分布曲线上查得P(xw1)0.2，P(xw2)0.4，并且已知110，126，211，220

篇3：模式识别

首先假设三类样本都服从多元正态分布, 根据样本估计出参数, 设计分类器, 对测试样本进行分类;分析分类结果, 更改分类参数, 再进行分类, 比较分类结果。然后假设三类样本都服从单变量正态分布, 重复以上步骤。通过多种比较, 得出分类假设和参数估计的最优解。

2 具体过程

(1) 使用scatter命令将每一个类别里的数据用不同颜色可视化表示。

将三类数据显示在一张图上以便于比较。

如图1所示, 最外面的圈代表c1中的数据, 中间的圈代表c2中的数据, 内圈代表c3中的数据。

(2) 根据图1, 哪一类数据多元正态分布模型是一个可能的选择, 哪一类完全不可能?

通过散点图和 (3) 、 (4) 的结果, 可以知道c1类更可能使用多元正态分布作为可能的概率分布模型, 而对c2类和c3类这种假设显然是不合理的。

(3) 假设我们做了一个不很正确的假设, 所有的类别都具有多元正态分布, 计算均值和协方差矩阵的最大似然估计 (针对每一类分别做) , 确定你只使用训练数据, 也就是只使用c1, c2, c3里的数据。

(4) 使用contour () 画出估计的分布, 数据应该在小一些的椭圆附近更紧密一些, 因为这些地方更接近估计的均值。

根据求得的均值和协方差矩阵求得联合密度函数, 再将其可视化显示, c1, c2和c3得到的估计分布图分别如图2, 图3, 图4所示:

通过概率分布图和数据分布可以发现, 只有c1类数据的分布可以用多元正态函数分布表示, 因为只有c1类数据在较小的椭圆中心分布更紧密, 更接近估计的均值, 而c2类和c3类的数据分布都明显不符合多元正态函数分布。

(5) 使用 (3) 中得到的最大似然估计来设计最大似然分类器 (也就是具有0-1损失函数和相等先验概率的贝叶斯分类器) 。因此我们可以假设每一类的先验概率是相同的。接下来对测试样本进行分类。计算具有3-by-3大小的混合矩阵, 它的第i行j列包含真实类别为i而你把它分到j列的数据个数。注意在这个矩阵中所有的非对角线元素都是错误的。计算总体的错误率, 最简单的办法是使用matlab里的sum () 和trace () ;

(6) 检查混合矩阵的非对角线元素以发现哪类错误比其他错误更普遍, 由此可以得知分类边界的所在位置。尝试性画出决策区域, 使用决策边界解释为什么某些错误比其他错误更普便。

由混合矩阵图可以知道, 第二类数据划分为第三类数据和第三类数据划分为第二类数据这几种错误比其他分类错误更普遍发生。而第一类错分为第三类的没有, 第一类错分为第二类的比较少, 由此可以看出, 第一类和第二类的边界较明显, 第二类和第三类的边界效果不好。

边界的划分:考虑到那些分类为错误的点肯定位于决策边界上, 则考虑在网格图像上取那些针对不同分类函数取值相差小于一定阈值的点, 这些点容易被分错, 所以这些点将构成边界点。

(7) 如果对数据所使用的模型是错误的, 那么最大似然估计得到的参数就不能给我们最好的分类结果, 尝试改变均值和协方差矩阵, 以得到更好的分类结果。

(8) 将所有的训练数据和测试数据变换到极坐标系下, 只使用第二个特征量, 假设现在所有的类都符合均值和方差未知的正态分布, 通过最大似然估计参数, 然后测试新的分类器, 将其与多变量正态分布模型进行比较。

经过实验查找, 没有能找到比h) 中更好的分类参数。假如存在的话, 肯定会比g) 中的分类效果理想。之所以找不到比h) 中由M L E参数更理想的估计参数主要原因在于, 在当前使用模型正确的前提下, 使用最大似然估计得到的均值和标准差都是无偏估计, 已经是最优的了。

3 分析

篇4：模式识别

关键词： 模式识别系统 统计模式识别 发展趋势

1.引言

通常我们所说的机器识别、计算机识别等都属于模式识别。它是通过某种方法对事物进行分析比较，根据某种判别规则识别事物。如：手写数字识别，是对0～9数字进行模式匹配，计算出相似度较高的对应值作为识别结果。模式识别研究的内容是使机器完成曾经只有人类才能完成的事，它具有分析、描述与判断事物的能力。经过多年的迅速发展，当前模式识别已经广泛应用于各个领域，如工、农、医、自然科学、社会科学等。在农业中，通过分析土壤成分及农产品的收成，决定种植何种作物、了解养料是否充足，以提高产量。在工业生产中，有语音识别、过程控制、地下探测、图像分割等。医学中主要有心电图与向量心电图分析、显微观察与生物医学数据分析、基因染色体研究、医学图像分割等。在自然科学中有地球和行星探测、卫星数据分析、遥感图像地质勘探等方面应用广泛。然而，种种应用都是随着问题的出现而出现的解决方法，至今模式识别还没有发展成统一的、有效的可以应用于所有模式识别的理论。模式识别的技术对国民经济建设和国防科技发展的重要性已得到人们的认可和广泛重视。本文将就模式识别所涉及的基本问题、研究的领域及其当前进展现状进行详细的介绍，并对模式识别的发展趋势进行展望。

2.模式识别系统

模式识别系统在工作时，只要判别被识别的对象落入哪一个区域，就能确定出它所属的类别。由噪声等导致的变异性，可通过预处理部分消除；模式本身固有的变异性可通过特征提取和选择得到控制。因此，一个典型的模式识别系统由数据获取、预处理、特征提取、分类决策及分类器设计组成。对应部分分别完成未知类别模式分类、分类器设计训练和对识别样品的分类决策。基本的模式识别方法有统计模式识别方法和结构模式识别方法。除此之外，还有模糊模式识别、神经网络模式识别和多分类器融合方法。以下对模式识别系统中五个组成部分简单介绍：

（1）数据获取

通常获取的数据类型有二维图像、一维波形、物理参量逻辑值三种。计算机使用可运算的符号研究文字、指纹、心电图、体温等对象。

（2）预处理

预处理的目的就是对原退化或干扰、冗余的数据信息进行去噪、复原，提取有用的信息。

（3）特征提取和选择

一般来说它包含将所获取的原始量测数据转换成能反映事物本质，并能将其最有效分类的特征表示，输入的是经过预处理的量测数据。通过将原始量测数据转换成有效方式表示的信息，分类器能根据这些信息决定样本的类别，对所获取的信息实现高维量测空间转换成地维特征空间。

（4）分类决策

模式识别系统工作有训练方式和分类决策两种方式。前一种是在确定的特征空间中，对测量数据进行特征选择与提取，得到样本的特征空间分布，并决定分类器参数。后一种方式是对待分类样本进行分类决策的过程。

（5）分类器设计

模式识别研究的主要目的是利用计算机进行模式分类。分类器设计的基本做法是在样品训练集的基础上来确定判别函数、改进判别函数和误差检验。我们把执行模式识别的计算机系统成为模式识别系统。

3.统计模式识别

统计模式识别（Statistic Pattern Recognition）的基本原理是，相似性高的样本在模式空间中相互接近，形成“簇”，根据模式所得的特征向量，判归所属类目。统计模式识别的方法有：

（1）贝叶斯决策方法

贝叶斯决策包含三种基本假设：首先是各类别总体的概率分布式已知的，其次是被决策的分类数是一定的，最后是被识别的事物或对象有多个特征观测值。运用统计决策理论设计的分类系统又称为分类器。分类器的判别准则有：最小错误概率贝叶斯判别准则、最小风险贝叶斯判别和聂曼·皮尔逊判别准则。

（2）判别函数法

判别函数可以是线性的，也可以使非线性的。利用已知类别的训练集，通过统计方法，求得判别函数的具体形式和参数，求出未知样本类别。由于该方法无需依赖条件分布密度等先验知识，因此，在一些场合要比基于贝叶斯公式的概率分类法简单。

（3）监督参数统计法

包括该方法分为KNN法（K最近邻法）和Fisher判别分析法。前者的基本原理是将分好类别的训练样本点映射到多维空间中，建立与待分类的未知样本对应关系，若近邻中某一类样本最多，则将该未知样本判为该类。该方法的优势在于对数据的结构没有特定要求，也无需训练，缺点在于计算量大。

（4）非监督参数统计法

有基于概率密度函数估计的直接方法和与样本空间相似性度量的间接聚类方法。

（5）聚类分析法

该方法是在没有训练集的情况在，对一批没有类别划分的样本根据相似度进行划分类属的方法。通常被称是一种无教师的非监督分类方法。

（6）近邻函数法

该方法根据距离测度，判别样本的类属，如基于最近邻规范的试探法和最大最小距离法。

4.结语

模式识别是一个快速发展的学科，其在国民经济和国防现代化建设中应用广泛。本文围绕模式识别的一些基础知识、模式识别系统和统计模式识加以介绍，着重介绍了模式识别系统中的五个组成部分和统计模式识别方法。随着模式识别理论与技术的不断发展前进，其应用领域和实际需求将会不断增长。

参考文献：

篇5：滑坡变形的模式识别

滑坡变形的模式识别

探讨利用变形模式的拓扑约束识别方法来识别滑坡块体的变形模式及其应用问题,并根据GPS多期监测数据对云阳宝塔滑坡体进行了块体识别与分析.实例证明,该方法对滑坡体的块体及块体变形参数的识别是有效的.,其结果对于滑坡体的滑带弱化的扩展过程的认识及稳定性分析与监测系统、滑坡整治系统的设计具有一定的价值.

作 者：蒋征 张正禄 作者单位：武汉大学测绘学院,武汉市珞喻路129号,430079刊 名：武汉大学学报(信息科学版) ISTIC EI PKU英文刊名：GEOMATICS AND INFORMATION SCIENCE OF WUHAN UNIVERSITY年，卷(期)：27(2)分类号：P228.42 P258关键词：滑坡 拓扑约束模式识别 三峡水库

篇6：模式识别报告格式1

一、封皮的填写：实验课程名称 模式识别

二、实验名称：按顺序填写图像的贝叶斯分类、K均值聚类算法、神经网络模式识别

三、年月：2013年4月

四、纸张要求：统一采用A4大小纸张，左侧装订，装订顺序与实验顺序一致。

五、书写要求：

1、报告可以手写也可以打印。

2、实验图像及结果图像打印，图像均位于实验结果与分析部分，图像打印于纸张上部，下部为实验分析。

3、报告中图要有图序及名称，表要有表序及名称，每个实验的图序和表序单独标号，具体格式参照毕业设计手册。不合格者扣除相应分数。

4、每个实验均需另起一页书写。

六、关于雷同报告：报告上交后，如有雷同，则课程考核以不及格处理，不再另行通知修改。

实验

一、图像的贝叶斯分类

一、实验目的将模式识别方法与图像处理技术相结合，掌握利用最小错分概率贝叶斯分类器进行图像分类的基本方法，通过实验加深对基本概念的理解。

二、实验仪器设备及软件

HP D538、MATLAB

三、实验原理

以自己的语言结合课堂笔记进行总结，要求过程推导清晰明了。

四、实验步骤及程序

实验步骤、程序流程、实验源程序齐全。

五、实验结果与分析

要求写明实验得到的分割阈值，附分割效果图。对实验结果进行分析，说明实验结果好或者不好的原因，提出改进措施。

（另起一页）

实验

二、K均值聚类算法

一、实验目的将模式识别方法与图像处理技术相结合，掌握利用K均值聚类算法进行图像分类的基本方法，通过实验加深对基本概念的理解。

二、实验仪器设备及软件

HP D538、MATLAB、WIT

三、实验原理

以自己的语言结合课堂笔记进行总结，要求过程推导清晰明了。

四、实验步骤及程序

实验步骤、程序流程、MATLAB及WIT实验源程序齐全，WIT聚类程序可以图像形式

附于报告上。

五、实验结果与分析

以MATLAB和WIT分别实现K均值图像聚类算法，写明聚类类别数、聚类中心、迭代次数、运行时间，附原始图像和分类结果图像，并做实验分析。

（另起一页）

实验

三、神经网络模式识别

一、实验目的掌握利用感知器和BP网进行模式识别的基本方法，通过实验加深对基本概念的理解。

二、实验仪器设备及软件

HP D538、MATLAB

三、实验原理

以自己的语言结合课堂笔记及相关资料进行总结，要求过程推导清晰明了。

四、实验步骤及程序

感知器实验：

1、设计线性可分实验，要求训练样本10个以上

2、奇异样本对网络训练的影响

3、以线性不可分样本集训练分类器

BP网实验：利用BP网对上述线性不可分样本集进行分类

五、实验结果与分析

篇7：模式识别与智能信息处理

“模式识别与智能信息处理”是当今发展最快的热点领域，本领域以信息处理与模式识别的理论技术为核心，以数学方法与计算机为主要工具，探索对各种媒体信息进行处理、分类、理解并在此基础上构造具有某些智能特性的系统或装置的方法、途径与实现，以提高系统的性能。模式识别与智能处理是现代服务业信息支撑技术之一，是一个理论与实际紧密结合、具有广泛应用价值的重要领域。

一、计算机视觉与图像识别

以信息处理与模式识别的理论、方法和技术为核心，以数学方法和计算机为主要工具，探索对图像、图形（人脸、指纹、虹膜、静脉、步态、车牌等）的信息进行处理、分类、理解，并在此基础上构造具有智能特性的系统。

二、语音合成、识别和理解

研究非特定人大词汇量连续语音识别，语言模型与口语理解，说话人识别，口音识别，语音合成系统，对话系统，人机语音交互技术，音频信号处理、识别，以及语音应用系统开发。

三、计算机控制系统

以计算机为主要工具，以人脑仿真研究为基础，将人工智能技术、数据挖掘技术、嵌入式技术、人工神经网络理论等智能化方法用于信息系统、自动化系统和，以实现智能化信息处理和智能化控制。

篇8：模式识别综述

1.1 模式识别

模式识别是指对表征事物或现象的各种形式的 (数值的、文字的和逻辑关系的) 信息进行处理和分析, 以对事物或现象进行描述、辨认、分类和解释的过程, 是信息科学和人工智能的重要组成部分。

模式识别又常称作模式分类, 从处理问题的性质和解决问题的方法等角度, 模式识别分为有监督的分类 (Supervised Classification) 和无监督的分类 (Unsupervised Classification) 两种。二者的主要差别在于, 各实验样本所属的类别是否预先已知。一般说来, 有监督的分类往往需要提供大量已知类别的样本, 但在实际问题中, 这是存在一定困难的, 因此研究无监督的分类就变得十分有必要了。

此外, 模式还可分成抽象的和具体的两种形式。前者如意识、思想、议论等, 属于概念识别研究的范畴, 是人工智能的另一研究分支。我们所指的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等对象的具体模式进行辨识和分类。

1.2 统计模式识别

统计模式识别的基本原理是:有相似性的样本在模式空间中互相接近, 并形成“簇”。在连续情况下, 假设对要识别的物理对象有d种特征观察量, 这些特征的所有可能的取值范围构成了d维特征向量, (i=1, 2, …, N) , 这些假设说明了要研究的问题有c个类别, 各类别状态用来表示, i=1, 2..., c;将一个给定的模式归入其中一个类别当中, 然后根据模式之间的距离函数来判别分类。其中, T表示转置;N为样本点数;d为样本特征数。

统计模式识别的主要方法有:判别函数法, k近邻分类法, 非线性映射法, 特征分析法, 主因子分析法等。

在统计模式识别中, 贝叶斯决策规则从理论上解决了最优分类器的设计问题, 但其实施却必须首先解决更困难的概率密度估计问题。BP神经网络直接从观测数据 (训练样本) 学习, 是更简便有效的方法, 因而获得了广泛的应用, 但它是一种启发式技术, 缺乏指定工程实践的坚实理论基础。

2 模式识别的应用

2.1 文字识别

文字识别是利用计算机自动识别字符的技术, 是模式识别应用的一个重要领域。文字识别一般包括文字信息的采集、信息的分析与处理、信息的分类判别等几个部分。文字识别方法基本上分为统计、逻辑判断和句法三大类。常用的方法有模板匹配法和几何特征抽取法。

文字识别可应用于许多领域, 如阅读、翻译、文献资料的检索、信件和包裹的分拣、稿件的编辑和校对等方面。

2.2 语音识别

语音识别技术所涉及的领域包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。近年来, 在生物识别技术领域中, 声纹识别技术以其独特的方便性、经济性和准确性等优势受到世人瞩目, 并日益成为人们日常生活和工作中重要且普及的安验证方式。而且利用基因算法训练连续隐马尔柯夫模型的语音识别方法现已成为语音识别的主流技术, 该方法在语音识别时识别速度较快, 也有较高的识别率。

2.3 生物特征识别

生物识别技术 (Biometric Identification Technology) 是指利用人体生物特征进行身份认证的一种技术。更具体一点, 生物特征识别技术就是通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合, 利用人体固有的生理特性和行为特征来进行个人身份的鉴定。

3 模式识别技术的潜力

模式识别技术是人工智能的基础技术, 21世纪是智能化、信息化、计算化、网络化的世纪, 在这个以数字计算为特征的世纪里, 作为人工智能技术基础学科的模式识别技术, 必将获得巨大的发展空间。在国际上, 各大权威研究机构, 各大公司都纷纷开始将模式识别技术作为公司的战略研发重点加以重视。

3.1 生物认证技术

生物认证技术本世纪最受关注的安全认证技术, 它的发展是大势所趋。人们愿意忘掉所有的密码、扔掉所有的磁卡, 凭借自身的唯一性来标识身份与保密。国际数据集团 (IDC) 预测:作为未来的必然发展方向的移动电子商务基础核心技术的生物识别技术在未来10年的时间里将达到100美元的市场规模。

3.2 数字水印技术

数字水印 (Digital Watermarking) 技术是将一些标识信息 (即数字水印) 直接嵌入数字载体 (包括多媒体、文档、软件等) 当中, 但不影响原载体的使用价值, 也不容易被人的知觉系统 (如视觉或听觉系统) 觉察或注意到。通过这些隐藏在载体中的信息, 可以达到确认内容创建者、购买者、传送隐秘信息或者判断载体是否被篡改等目的。数字水印是信息隐藏技术的一个重要研究方向。

4 总结与展望

模式识别从20世纪20年代发展至今, 不存在对所有模式识别问题都适用的统一模型和解决识别问题的单一技术, 需要根据具体问题把统计的和句法的识别结合起来, 运用人工神经元网络、不确定推理、支持向量积、判别分析等方法进行研究求解。伴随着科技的发展, 模式识别的研究与应用在工业、交通、文化、军事、能源等各个领域将会有更多的应用于发展。

参考文献

[1]H.Kwakernaak and R.Sivan, Digital Image Processing UsingMATLAB, Rafake C.Gonzalez, Richard E.Woods, NJ;1991.[1]H.Kwakernaak and R.Sivan, Digital Image Processing UsingMATLAB, Rafake C.Gonzalez, Richard E.Woods, NJ;1991.

[2]D.Boley and R.Maier, 人工神经网络原理, Madison, 1988.[2]D.Boley and R.Maier, 人工神经网络原理, Madison, 1988.

[3]边肇祺, 张学工等.模式识别 (第二版) [M].北京:清华大学出版社, 2000.[3]边肇祺, 张学工等.模式识别 (第二版) [M].北京:清华大学出版社, 2000.

[4]Richard O.Duda Peter E.Hart David G.Stork, Pattern Classifica-tion, Second Edition, China Machine Press;2006.[4]Richard O.Duda Peter E.Hart David G.Stork, Pattern Classifica-tion, Second Edition, China Machine Press;2006.

篇9：语文教学中的模式识别解题策略

关键词：语文教学 模式识别解题

在语文教学中，经常会碰到这样的情况：教师自以为已讲清楚了一个知识概念，然而一旦放手让学生运用这个知识概念解决具体问题时，依旧会产生辨识不清因而难以解题的窘境。问题出在我们分析归纳一个知识点的时候，往往是从认识的角度去定义这个问题，较少从方法的角度去寻找运用的抓手。学生在解题时，没有一个可参照的模式，自然会失去解题的方向。

语文教学囿于学科的特性（工具性和人文性），较少有数学那样成熟的解题思想方法，比如模式识别的解题策略。模式识别解题策略体现了化归的思想方法，所谓化归是指问题之间的相互转化，即想要解决问题A，可将它转化为解决问题B，再利用解决问题B的解答去完成问题A的解答。将一个问题转化为另一个问题，将问题的一种形式转化为另一种形式，由此将复杂的问题化为简单的问题，把陌生的问题转为熟悉的问题。将复杂的问题化为简单的问题，容易把握；把陌生的问题转为熟悉的问题，易于牢记。就此形成一个模式，作为辨识同类问题的参照，进一步联想曾经解决过的问题路径，采取相应的方法来解题。

虽然语文和数学属于两种不同类型的学科，但不妨语文教学可借用数学化归思想方法来解题。

例一：“象征”。对于“象征”这个较难理解的问题，可将它转化成较易理解的“双关”问题解答，利用解答“双关”的问题，完成对“象征”问题的解答。比如史铁生的散文名作《合欢树》，“合欢树”有象征意义，因为“合欢”二字双关：既是一种树木的名称，又有相爱的人欢聚之意。作者期盼有朝一日能和母亲一起享受自己成功的快乐，可如今在“我”成功之日，特别想与母亲（昔日一直为他的身体和文学创作辛勤操劳）共享快乐时，母亲已不在人世，以此折射出作者内心深处的愧疚与悲伤。

由于“象征”和“双关”之间有着内在的密切联系，即用具体的事物表现某种特殊意义，因此把“双关”作为“象征”的一个重要属性记忆，就能识别和解决其他作品中出现的“象征”问题。例如茹志鹃的小说《百合花》，“百合花”具有“象征”意义，因为“百合”一词“双关”：既是一种植物的名称，又是“象征”了纯洁的情感，是通讯员和新媳妇的美之化身，他们的品质和心灵就像百合花一样洁白无暇，当然也有因为不能百年好合而带来的感伤。再如舒婷的诗《双桅船》，“双桅船”是一种“象征”：它既是一艘带着“双桅”的船，又是借用“双桅船”这一具体形象，来表现诗人自己对爱情与事业双重的心态与复杂的感情。

例二：“寓言说理”。因为“寓言说理”涉及到“寓言”，比较复杂，所以可将它转化为较为简单的“托物言志”来解答。“托物言志”就是通过对“物”（人物、事物）的描写与叙述，表现作者的思想。例如柳宗元的《种树郭橐驼传》，通过记叙郭橐驼所说的种树之道，表达了按客观规律办事的思想，并因此借题发挥，指出为官治民也应顺应“顺木之天，以致其性”的法则，抨击了中唐吏治扰民伤民的弊端，反映了作者同情人民的思想和改革政治的愿望。将《种树郭橐驼传》的“寓言说理”，转化成“托物言志”的解答，从而解决“寓言说理”的问题：就是通过简短故事的描述反映作者所要表达的思想。以此运用于庄子的《秋水》（节选）的解题：《秋水》（节选）描写了河伯和海神的对话，阐述了“山外有山，天外有天”；“人生有涯而知无涯”；“要谦虚，不能自满”等的思想。美国作家房龙的《<宽容>序言》则是通过叙述一个漫游者的遭遇，表达了对于异见需要宽容的道理。

例三：“起兴”。“起兴”就是“先言他物以引起所咏之辞”。但这样的解答对于一般学生来说比较陌生，可将此转化成熟悉的“伏笔”问题解答。“伏笔”有许多实例，比如法国作家莫泊桑的短篇小说《项链》，就有好几处“伏笔”，暗示玛蒂尔德借用好友佛来思节夫人的项链是假的：其一，它混杂在众多的饰物当中，而且好友很爽快地就把玛蒂尔德认为的名贵项链借与她；其二，这串价值昂贵的项链居然没有与之相配的盒子；其三，当玛蒂尔德忐忑不安地将替代项链还给佛来思节夫人时，她竟然看都不看。再如美国作家欧·亨利的短篇小说《最后的常春藤叶》：画在墙上的叶子竟然未被年轻画家琼珊看出，其实有着诸多原因：如琼珊患肺炎病得厉害，她正发着高烧，卧病在床；墙上的画叶距离她比较远，在二十英尺外（六米多）；老画家贝尔曼用心作画，非常逼真等。最后结局的出人意料又在情理之中，正是“伏笔”的妙用。“先言他物”有“伏笔”的属性，起到暗示和联想的作用。比如《诗经·关雎》以“起兴”开头，“关关雎鸠，在河之洲”是为紧接着的“窈窕淑女，君子好逑”作“伏笔”：以“雎鸠”雌雄在一起的和谐，暗示君子淑女的匹配。通过解答“伏笔”的问题，解决了“起兴”的问题。又如“孔雀东南飞，五里一徘徊”是“起兴”，因为孔雀是雌雄两个前后一起飞的，如果失去了其中的一个，另一个就会发出悲鸣，以此联想刘兰芝和焦仲卿的悲剧命运。而《诗经·蒹葭》的“起兴”，则以最能代表深秋悲凉气氛的白露蒹葭作为“伏笔”，暗示并联想人物凄清、惆怅和寂寥的心境。

能够相互转化的问题之间一定会有相似的属性。比如“象征”就有“双关”的属性，但“双关”只是“象征”的重要属性，并非唯一的属性，所以不能反过来说有“双关”属性的就是“象征”。例如唐代诗人刘禹锡的《竹枝词二首（其一）》“东边日出西边雨，道是无晴却有晴”中的“晴”，一语“双关”，但不能说它是用了“象征”。“寓言说理”和“托物言志”同理，比如龚自珍的《病梅馆记》运用了“托物言志”：通过谴责人们对梅花的摧残，形象地揭露和抨击了清朝封建统治阶级束缚人民思想以及压制、摧残人才的罪行，表达了要求改革政治、追求个性解放的强烈愿望。不能就此认为文章是“寓言说理”；“起兴”和“伏笔”也是如此，孙犁的小说《荷花淀》构思“助夫杀敌”这一情节时，“那一望无边挤得密密层层的大荷叶迎着阳光舒展开，就像铜墙铁壁一样。粉色荷花箭高高地挺出来，是监视白洋淀的哨兵吧”就是“伏笔”，暗示了荷花淀里埋有伏兵，当然不应将此说成是“起兴”。

仔细观察一下上述三个例子就会发现：“象征”是表现手法，“双关”是修辞方法，表现手法的问题可通过修辞方法来解答；“寓言说理”是表达方式，“托物言志”是表现手法，表达方式的问题可通过修辞方法来解答；“起兴”是修辞方法，“伏笔”是表现手法，修辞方法可通过表现手法来解答。表达方式、表现手法和修辞方法同属写作手法，从表达方式而言，有叙述、描写、抒情、议论和说明。从表现手法而言，有托物言志、烘托象征、借古讽今、想象联想、欲扬先抑和欲抑先扬等。表现手法和表达方式，有些方面是兼容的，比如表现手法中的直抒胸臆、借景抒情、寓情于景和情景交融等是表达方式中抒情的细化，而表现手法中的正面描写、侧面描写、白描细描、由远至近、从上到下、动静结合和虚实相生等则是表达方式中描写的细化。从修辞手法而言，有比喻、比拟、对偶、借代、反问、设问、顶真、回环和互文等，有些修辞手法也可当作是表现手法，如对比、起兴和用典等。正因为表现手法、修辞方法和表达方式同属写作手法，相互之间存在密切的联系，因此可以利用它们之间存在的相似属性，遵循化生为熟的“熟悉化”原则和分解为基本问题的“简单化”原则，运用化归的思想方法，构成解题模式，将其有意识地记忆下来，作有目的的归类，以后遇到类似问题时，就可以识别它们分属哪一类模式，联系曾经解决过的问题思路，按图索骥提取相应的解题方法来解决。

作为一种结构和类型的模式，需要知识的积累和经验的加工。知识的积累，就是要有尽可能多的实例可供操作；经验的加工，则是在应用过程中精益求精。比如“虚实相生”的写法，其实质是寓实于虚，即用虚拟的场景来表现人物（或是作品中的人物，或是诗人自己）的真情实感，在想象中的环境里实现人物的所思所想。“虚实相生”的关键是“虚”，虚写的要义是想象。想象当然可以不受时空的限制，不受对象的限制，具有无限的宽度，以此拓展情感的深度。因此看作品中的描写是否有“虚实相生”，就看它有没有想象，当然想象的角度可以多种多样：有立足于现在（从己方的角度设想对方此时的行为和心理，以此来表达自己现时的内心情感）的；有立足于未来（想象以后双方会面时，再来述说自己当时的所遇以及思念对方的心理）的；有想象过去的情景（包括人和事）显示自己此时此刻的心情等等。如杜甫的《月夜》是立足于现在的想象：“今夜鄜州月，闺中只独看。遥怜小儿女，未解忆长安。香雾云鬟湿，清辉玉臂寒。何时倚虚幌，双照泪痕干。”表现离家在外孑然一身的诗人，这时正望着天空清冷的月亮，于是便想象在鄜州家中的妻子，此时也正倚在窗前，抬头望月思念着在长安的自己，以此表明自己思念妻子儿女的心情。李商隐的《夜雨寄北》是立足于未来的想象：“君问归期未有期，巴山夜雨涨秋池。何当共剪西窗烛，却话巴山夜雨时。”因为“巴山夜雨涨秋池”，阻隔了诗人回家的路径，心情焦灼的诗人只能以想象宽慰自己：将来回家和妻子相聚，当妻子问起自己为何延误了归期时，再把今天所遇的困窘和思念之情向妻子倾吐。李商隐的《无题·昨夜星辰昨夜风》是想象过去的情景（包括人和事）来显示自己此时此刻的心情：“昨夜星辰昨夜风，画楼西畔桂堂东。身无彩凤双飞翼，心有灵犀一点通。隔座送钩春酒暖，分曹射覆蜡灯红。嗟余听鼓应官去，走马兰台类转蓬。”其中“画楼西畔桂堂东”写的是地点（精美画楼的西畔，桂木厅堂的东边），但并没有具体指明是在哪里，仅以周围的环境来烘托，是实境虚写。在这旖旎的环境、美妙的时刻中间发生了什么故事，诗人只是在心中自个独自回味。“隔座送钩春酒暖，分曹射覆蜡灯红”一联写宴会上的热闹情景，则是虚境实写，这曾是诗人与他的意中人共同参加过的一个聚会。在此诗人从对方处境展开想象：宴席上的人们，玩着隔座送钩、分组射覆的游戏，灯红酒暖，觥筹交错，其乐也融融。昨日的欢声笑语犹在耳畔回响，今日的宴席或许还在继续，但已经没有了诗人自己的身影。宴席的热烈衬托出诗人的寂寥，颇有“热闹是他们的，而我什么也没有”的凄凉。大量的实例，都可按照虚实相生→转化→虚→目标→想象→解答→虚实相生这样的步骤来操作，以这样的解题经验应付千差万别的“虚实相生”表现。比如不少“虚实相生”中的“虚”是以留白的形态展现，留白其实是未能展开的想象，或是没有完成与中止的想象。王昌龄的《从军行》：“大漠风尘日色昏，红旗半卷出辕门。前军夜战洮河北，已报生擒吐谷浑。”此诗没有写正面战场的激烈搏杀，却是以胜利的结局来表达喜悦之情，只写了开始作战和战斗结束两头，中间即战争的场面是空白，只有靠想象去填补。宋之问的《渡汉江》：“岭外音书断，经冬复历春。近乡情更怯，不敢问来人。”回家以后会看到听到何种情景与故事，一切都是想象，有无限种可能，只能留待不远的将来得到验证。

如此说来，语文教学中运用模式识别的解题策略，对知识的丰富和系统提出较高的要求，而且在实际解题过程中，与数学的可用符号或数字来作替代阐释相比，语文更需要联系具体实例来证明。比如很多作家及作品具有两面性甚至是多面性的问题，用符号或数字很难说明，必须联系实例来谈。如李清照是婉约派的代表作家，她的作品不全是“寻寻觅觅、冷冷清清、凄凄惨惨戚戚”的悲情，也不全是“人比黄花瘦”的自怜，还有“至今思项羽，不肯过江东”的豪迈。同样陶渊明的诗，除了“采菊东篱下，悠然见南山”的闲适语句之外，又有“刑天舞干戚，猛志固常在”的金刚怒目之句。另外《故都的秋》的作者郁达夫，既有惊人骇世之作《沉沦》，也有独具一格的作品《春风沉醉的晚上》。教材中的李白的诗文，大多是描写祖国山河壮美奇景或是蔑视权贵的作品，诸如《望天门山》和《梦游天姥吟留别》之类，而绝少会有《与韩荆州书》这类颇有吹捧媚俗之辞的文字。多样化的作品就像作者曲折跌宕的人生，怎几篇作品就能了得。我们知道的鲁迅，大多是“横眉冷对千夫指，俯首甘为孺子牛”的一面，但他还有“无情未必真豪杰，怜子如何不丈夫”的一面。曹操临终，令近侍取平日所藏名香，分赐诸侍妾，并留有《遗令》。因此很让一些名人雅士看不起，苏轼就是其中之一。东坡先生认为只有“临难不惧，谈笑就死”，才称得上是英雄。像曹操这样，临死之前，哭哭啼啼，“留连妾妇，分香卖屦”，算什么事呢？按照苏东坡的逻辑，只有昂首挺胸，慷慨赴死，才是英雄，而悲悲戚戚，有损曹丞相形象。这正说明事物总是有它的两面性甚至多面性，需要全面客观地认识。

模式识别的解题策略，利用化归的思想方法，的确能够解决一些问题，但模式识别的解题策略不是万能的，何况语文的解题思路有其自身的表现形式，不能完全照搬照抄数学解题的思想方法。

《普通高中语文课程标准》强调高中语文课程的时代性、基础性和选择性，既然是基础性，就要保证学生在掌握语文的基础知识和基本技能的同时，也要掌握基本的语文思想方法。不同学科的思想方法，都有其共性，即对学科知识内容的本质认识，对所使用方法和规律的理性认识，是研究问题和解决问题的指导思想。所以借用数学方法研究和解决语文问题，不失为是一种可以开拓语文解题思路的途径。

篇10：企业商业模式创新的识别与评价

作者：申海波发表在《光明日报》（2014年08月28日16版）

商业模式是移动互联与大数据背景下企业创新的焦点，也是近年来学术研究的热点，然而关于商业模式的内涵，业界与学界唯一的共识似乎在于商业模式是企业价值创造的逻辑。如果按照这一内涵来观察企业的商业模式创新，则稍显粗略。实际上，在该内涵的基础上进一步发展，可以形成一个识别企业商业模式及其创新的理论框架，这一框架包括五个问题，对应的是五个复杂商业范畴内企业的架构设计与机制安排。

第一，你的客户是谁。这是一个关乎企业战略定位的问题。以手机行业为例，如果你的主要竞争对手定位于智能手机的高端用户，而你则定位于对智能手机有强烈需求但支付能力明显不足的学生群体或职场新人，那么这一定位就构成了企业商业模式的重要组成部分。把企业的目标市场定位于当前竞争者并未重视或者客户需求并未得到有效满足的某一细分市场，是商业模式创新的一种基本手段，也是描述企业商业模式创新所必须的或者识别企业商业模式创新所必须了解的内容。

第二，你向客户提供何种价值。这是一个关乎客户价值主张的问题。为了吸引规模更大的、更具商业价值的客户群体，企业必须推出新的客户价值主张。这些价值主张附着于企业的产品、服务或解决方案等载体上，其逻辑出发点是客户的独特需求。任何企业要想长期生存发展，必须能够有效满足一定数量客户的市场需求。这一问题是上一问题的自然延伸，是识别企业商业模式的基础性问题。

第三，你是如何创造这些价值的。这是一个关乎企业运营模式的问题。某手机制造商出售基本功能的手机，同时通过建立在线程序商店供消费者个性化下载应用程序，从而整合为数众多的应用程序开发人员，为手机购买者创造了独特的使用价值。某农产品龙头企业采取公司加农户的模式来组织农产品生产，某工业品企业将其主要零部件全部采用代工模式来确保供应，某律师事务所采用合伙制的管理机制来为目标客户提供法律服务，某出版社采用众包的形式来写作并出版一本畅销书等，这些创造价值的方式都可以归纳为企业的运营模式。与前两个有关企业商业模式的基础性问题相比，该问题已经触及商业模式的核心。第四，你是如何成功交付这些价值的。这是一个关于企业营销模式的问题。成功交付企业创造的价值，意味着找到目标客户，劝说客户购买并将产品、服务或解决方案交付给客户。某手机制造商通过社会化媒体经营客户群、促使大量客户参与互动并采取饥饿营销的策略，旨在找到客户和劝其购买，就是一种创新的营销模式。某电动汽车生产企业摒弃传统汽车制造商的4S店销售网络而全面采用网上直销的模式，旨在高效地将价值交付给客户，也是一种全新的营销模式。当然，对于某些连锁企业，例如连锁的餐饮企业，由于创造价值部分或全部在连锁店内进行，所以该种连锁的商业模式既是一种运营模式，也是一种营销模式。营销模式与运营模式一样，都属于商业模式的核心问题。

第五，你是如何创造收入并持续经营的。这是一个关乎企业盈利模式的问题。盈利模式并不等同于营销模式，价值交付也并不意味着完全或者同时收回成本并实现盈利。某打印机生产企业以成本价销售打印机，却靠后期销售特别为该打印机设计的耗材来盈利。某服装企业在网上免费向消费者赠送衣物，却靠快递公司的返利来弥补成本并实现盈利。关于盈利模式的关键词包括成本控制、收入模式等，在成本控制和收入模式上任何独特的制度安排都可以被描述为企业的商业模式。盈利模式是企业商业模式的终极问题，任何商业模式创新都必须能够建立或提高企业持续盈利的能力。

由此，我们构建了一个包括两个基础问题、两个核心问题和一个终极问题所构成的理论框架。深入挖掘企业在上述五个方面的现行做法，即可识别一个企业现有的商业模式，企业商业模式的创新也可以从这五个方面进行观察和评价。

企业在对现有商业模式进行创新时，一是看其在上述五个维度上做了哪几方面的变革——可能仅在一个方面，也可能在五个方面全做了变革。通常认为，同时对多个方面进行创新的力度，要比仅对一个方面进行创新的力度要大。二是看其在某一具体方面的创新对其现行做法颠覆的程度。我们也有理由认为，对某一方面进行颠覆性创新和仅对该方面进行细微的改良相比，前者的商业模式创新力度则要大得多。当然，商业模式创新并非为了创新而创新，评价商业模式创新，根本上是要看企业的核心竞争能力、资源掌控能力和持续盈利能力是否得到显著提升。

商业模式创新无论是发现并满足了没有被满足的需求，向市场提供了具有独特价值主张的产品、服务或解决方案，大幅降低了运营成本或者显著提高了运营效率，还是采用了独特高效的营销模式，创造了独特的收入模式并实现企业持续发展，其本质是提高企业的核心竞争能力，或者围绕创新商业模式，撬动并重组社会资源，提升企业的资源掌控能力，最终实现持续盈利。可见，核心竞争能力、资源掌控能力是商业模式创新评价的过程性指标，其终极指标仍然是企业的持续盈利能力，这一点和识别与评价商业模式创新的终极问题是盈利模式问题一致。

在当前移动互联与大数据背景下，商业模式创新是微观领域最大的改革红利。在这次浪潮中，只要大胆进行商业模式创新，就有可能在全球市场竞争中实现对竞争对手的弯道超车，涌现出一批世界级企业。本文提出的企业商业模式创新识别与评价的理论框架，希望能为企业进行商业模式创新指出一些方向。