模式識別和分類的區別？

01-08

如題

愚認為可以這樣大致區分吧：模式識別主要是對已知數據樣本的特徵發現和提取，比如人臉識別、雷達信號識別等，強調從原始信息中提取有價值的特徵，在機器學習裡面，好的特徵所帶來的貢獻有時候遠遠大於演算法本身的貢獻；模式分類可以理解為對具有了給定特徵的樣本通過分類器來進行分類，典型的模式分類方法有線性分類器（感知器，Fisher判別）、非線性分類器（BP神經網路、RBF、SVM），現實場景中主要是非線性啦，還有貝葉斯判決、C4.5、隨機森林等等等等。

這兩者還會有個區別，目前模式識別主要是無監督學習，人為構造演算法的成分比較大（比如，人臉裡面，工程師會事先告訴演算法某些地方的特徵），而在模式分類上，機器學習可以發揮的空間就比較大，只要有了訓練樣本，適當降維和清洗數據，分類器是可以自動發現樣本中的特徵的，此所謂有監督機器學習。扯遠了。。。大致就這樣吧。

吳福朝老師《模式識別》的原話（大意）：模式識別是指，利用已知數據，對具有一定空間時間分布信息的數據與類別標號之間的映射做一個較好的估計。額。。。。沒錯，就是分類。

你在問模式識別與模式分類的區別吧？

如果是，模式分類算是模式識別的一個子集吧。模式識別應該包括分類、聚類、預測。愚以為前兩者是空間識別，後者是時間識別。

模式分類是模式識別的狹義理解。

給一個圖片，圖片中有人和狗，將圖片輸入模式識別系統，系統能夠從圖片中識別出:哪個位置，有個什麼物體。也就是給出位置信息和類別信息。

給一個圖片，圖片中有個狗，將圖片輸入模式分類系統，系統會將圖片分類為狗，也就是會給出類別信息。

你有沒有發現模式識別系統和模式分類系統中都有給出類別信息？其實分類是識別的一個子過程。

圖侵刪

目前在寫監測新處理綜述，裡面有部分是模式識別的內容。我的理解是：

廣義上模式識別包括特徵提取和模式識別兩個部分，而後者又可分為聚類和分類，用前面答主的例子，人和狗的圖，聚類將圖中的幾個人聚集為一類，將狗聚集為另一類。接著就是分類的工作了，將人這個聚類識別為「人」，狗這個聚類標記為「狗」。

模式識別個人認為一個更為廣義的範疇，模式分類包含其中，如果要分析之間的區別，首先要明白，模式識別和模式分類是什麼。

模式識別是人類的一項基本智能，是人在日常生活中自覺或不自覺採取的一種思維過程，通過計算機用數學技術方法，研究模式的自動處理和判讀，在實際生活中，模式識別主要用於文字識別、語音識別、指紋識別，遙感識別等。

模式識別還與統計學、語言學和控制論等學科有關係，在人工智慧領域，在圖像處理和自然語言理解方面，就包含模式識別問題，一定要知道，什麼是模式識別，模式識別發展及其應用 - 模式識別多智時代