《模式识别》，此词条收录于01/21，仅供参考
模式识别（Pattern Recognition），是对表征事物或现象的各种形式信息，包括数值、文字和逻辑关系等，进行处理和分析的过程。它涉及描述、辨认、分类和解释事物或现象，是信息科学和人工智能的重要组成部分。
模式识别的概念最早于20世纪20年代提出，20世纪30年代，费希尔（Fisher）提出的统计分类理论为统计模式识别提供了坚实的理论支撑。进入20世纪50年代，美籍华人傅京孙教授引领了结构模式识别的研究潮流。20世纪60年代，扎克（Zadch）提出了模糊集合理论，这为模糊模式识别的诞生奠定了理论基础。在20世纪70年代初，中国紧随全球步伐，中科院自动化所率先开展邮政编码识别研究，揭开了中国模式识别研究的序幕。20世纪80年代的人工神经网络和90年代的支持向量机等，逐渐发展成模式识别的主流技术。直至2006年，深度学习的兴起为模式识别的广泛应用注入了新的活力，为其发展奠定了坚实的基础。
模式识别系统通常包括数据获取、预处理、特征提取与选择、分类器设计和分类决策等五个阶段。根据学习方式，模式识别分为监督模式识别和非监督模式识别等；按数据动态性，分为静态和动态模式识别。模式识别的基本方法主要包括统计模式识别、知识模式识别、模糊模式识别、神经网络模式识别等，其研究聚焦于模式类的紧致性、相似度、特征形成等问题，遵循奥卡姆剃刀原理、没有免费午餐定理以及丑小鸭定理等理论。模式识别在医疗诊断、遥感和数学领域，具有广泛的应用前景及应用价值。
