1.2.3 模式识别系统的组成

一个典型的模式识别系统，如图1-1所示，由信息获取、预处理、特征提取和选择、分类决策和分类器设计5部分组成。该模式识别系统可以分为上下两部分，上半部分完成未知类别模式的分类，下半部分完成分类器的设计训练过程。

图1-1 模式识别系统的组成

模式识别系统各组成单元的功能如下：

信息获取：利用计算机可以运算的符号来表示所研究的对象，对应于外界物理空间向模式空间的转换。一般获取的信息类型有以下几种。

·一维波形：心电图，脑电波，声波，震动波形等。

·二维图像：文字，地图，照片等。

·物理参量：体温，化验数据，温度，压力，电流，电压等。

预处理：对由于信息获取装置或其他因素所造成的信息退化现象进行复原、去噪，加强有用信息。

特征提取：由信息获取部分获得的原始信息，其数据量一般相当大。为了有效地实现分类识别，应对经过预处理的信息进行选择或变换，得到最能反映分类本质的特征，构成特征向量。其目的是将维数较高的模式空间转换为维数较低的特征空间。

分类决策：在特征空间中用模式识别方法（由分类器设计确定的分类判别规则）对待识模式进行分类判别，将其归为某一固定类别，并输出分类结果。这一过程对应于特征空间向类别空间的转换。

分类器设计：为了把待识模式分配到各自的模式类中，必须设计出一套分类判别规则。基本做法是收集一定数量的样本作为训练集，在此基础上确定判别函数，改进判别函数和误差检验。

模式识别技术的关键是解决如何利用计算机进行模式识别，并对样本进行分类。执行模式识别的计算机系统（可以是台式机，笔记本电脑或基于单片机、DSP和ARM等有计算能力的系统）称为模式识别系统。