下载掌阅APP，畅读海量书库
立即打开
统计模式识别研究的主要问题有：特征的选择与优化、分类判别及聚类判别。
（1）特征的选择与优化
如何确定合适的特征空间是设计模式识别系统一个十分重要的问题，对特征空间进行优化有两种基本方法，一是特征选择，如果所选用的特征空间能使同类物体分布具有紧致性，可为分类器设计成功提供良好的基础；反之，如果不同类别的样品在该特征空间中混杂在一起，再好的设计方法也无法提高分类器的准确性。另一种是特征的组合优化，通过一种映射变换改造原特征空间，构造一个新的精简的特征空间。
（2）分类判别
已知若干个样品的类别及特征，例如，手写阿拉伯数字的判别是具有10类的分类问题，机器首先要知道每个手写数字的形状特征，对同一个数字，不同的人有不同的写法，甚至同一个人对同一个数字也有多种写法，就必须让机器知道它属于哪一类。因此对分类问题需要建立样品库。根据这些样品库建立判别分类函数，这一过程是由机器来实现的，称为学习过程，然后对一个未知的新对象分析它的特征，决定它属于哪一类。这是一种监督分类的方法。
（3）聚类判别
已知若干对象和它们的特征，但不知道每个对象属于哪一个类，而且事先并不知道究竟分成多少类，用某种相似性度量的方法，即“人以类聚，物以群分”，把特征相同的归为一类。例如，手写了若干个阿拉伯数字，把相同的数字归为一类。这是一种非监督学习的方法。
机器识别也往往借鉴人的思维活动，像人类一样找出待识别物的外形或颜色等特征，进行分析、判断，然后加以分门别类，即识别它们。模式识别的方法很多，很难将其全部概括，也很难说那种方法最佳，常常需要根据实际的情况运用多种方法进行实验，然后选择最佳的分类方法。