英文“Pattern”源于法文“Patron”，本來是指可作為大家典范的理想的人，或用以模仿復制的完美的樣品。

在模式識別學科中“模式”具有更廣泛的意義。

人們在觀察事物或現象的時候，常常要尋找它與其他事物或現象的相同或不同之處，根據一定的目的把并不完全的事物或現象組成一類。字符識別就是一個典型的例子。例如漢字“中”可以有各種寫法，但都屬于同一類別。更為重要的是，即使對于某個“中”的具體寫法從未見過，也能把它分到“中”這一類別。人們在路上行走的時候，也總是不斷的根據周圍的景物，判斷它是否能達到目的地，這實際也是不斷的在作“正確”和“不正確”的分類判斷。

人腦的這種思維能力就構成了“模式”的概念。在以上的例子中，模式是和類別（集合）的概念分不開的，只要認識這個集合的有限數量的事物或現象，就可以識別這個集合中的任意多的事物或現象。

為了強調能從具體的事物或現象中推斷出總體，我們就把個別的事物或現象稱作“模式”，而把總體稱作類別或范疇。也有的學者認為應該把整個的類別稱作模式，這樣的模式是一種抽象化的概念，如“房屋”，“鐵路”，“通俗音樂”等等都是模式，而把具體的對象如人民大會堂稱作“房屋”這類模式中的一個樣本。這種名次上的不同含義是容易從上下文中弄清楚的。

模式還可分成抽象的和具體的兩種形式。前者如意識、思想、議論等，屬于概念識別研究的范疇，是人工智能的另一研究分支。我們所指的模式識別主要是對語音波形、地震波、心電圖、腦電圖、圖片、文字、符號、三位物體和景物以及各種可以用物理的、化學的、生物的傳感器對對象進行測量的具體模式進行分類和辨識。

模式識別研究主要集中在兩方面，即研究生物體（包括人）是如何感知對象的，屬于認知科學的范疇，以及在給定的任務下，如何用計算機實現模式識別的理論和方法。前者是生理學家、心理學家、生物學家和神經生理學家的研究內容，后者通過數學家、信息學專家和計算機科學工作著近幾十年來的努力，已經取得了系統的研究成果。

早期的計算機模式識別研究著重在模型的建立上。50年代末，F.Rosenblatt提出了一種簡化的模擬人腦進行識別的數學模型-感知機，初步實現了通過給定類別的各個樣本對識別系統進行訓練，使系統在學習完畢后具有對其他未知類別的模式進行正確分類的能力，60年代用統計決策理論求解模式識別問題得到了迅速的發展，70年代前后出版了一系列反映統計模式識別理論和方法的專著。

1962年，R.Narasimahan提出了一種基于基元關系的句法識別方法，傅京孫在這個領域進行了卓有成效的工作，形成了句法模式識別的系統理論。80年代，J.J.Hopfield深刻揭示出人工神經元網絡所具有的聯想存儲和計算能力，為模式識別技術提出了一種新的途徑，短短幾年在很多方面就取得了顯著成果，從而形成了模式識別的人工神經元網絡方法的新的學科方向。

一個計算機模式識別系統基本上事有三部分組成的，即數據采集、數據處理和分類決策或模型匹配。

任何一種模式識別方法都首先要通過各種傳感器把被研究對象的各種物理變量轉換為計算機可以接受的數值或符號（串）集合。習慣上，稱這種數值或符號（串）所組成的空間為模式空間。為了從這些數字或符號（串）中抽取出對識別有效的信息，必須對它進行處理，其中包括消除噪聲，排除不相干的信號以及與對象的性質和采用的識別方法密切相關的特征的計算（如表征物體的形狀、周長、面積等等）以及必要的變換（如為得到信號功率譜所進行的快速傅里葉變換）等。然后通過特征選擇和提取或基元選擇形成模式的特征空間。以后的模式分類或模型匹配就在特征空間的基礎上進行。系統的輸出或者是對象所屬的類型或者是模型數據庫中與對象最相似的模型編號。

針對不同應用目的，這三部分的內容可以有很大的差別，特別是在數據處理和識別這兩部分，為了提高識別結果的可靠性往往需要加入知識庫（規則）以對可能產生的錯誤進行修正，或通過引入限制條件大大縮小待識別模式在模型庫中的搜索空間，以減少匹配計算量。在某些具體應用中，如機器視覺，除了要給出被識別對象是什么物體外，還要求出該物體所處的位置和姿態以引導機器人的工作。

模式識別已經在天氣預報、衛星航空圖片解釋、工業產品檢測、字符識別、語音識別、指紋識別、醫學圖像分析等許多方面得到了成功的應用。所有這些應用都是和問題的性質密切不可分的，至今還沒有發展成統一的、有效的可應用于所有的模式識別的理論。

當前的一種普遍看法是不存在對所有的模式識別問題都使用的單一模型和解決識別問題的單一技術，我們現在擁有的是一個工具袋，我們所要做的是結合具體問題把統計的和句法（結構）的識別方法結合起來，把統計模式識別或句法模式識別與人工智能中的啟發式搜索結合起來，把人工神經元網絡與各種以有技術以及人工智能中的專家系統，不確定方法結合起來，深入掌握各種工具的效能和應用的可能性，互相取長補短，開創模式識別應用的新局面。

本文轉自：http://www.chinaai.org/pr/pattern-recognition/brief.html