模式识别技术的特点是什么（模式识别技术的特点）

模式识别技术的优势模式识别技术类似于人类认知和识别的特征，生物信息特征相当于人真是名不虚传。

(1)类似于人类的认知和识别。

模式识别技术有其自身的特点。通过测量和比对生物特征信息，可以判断样本是否与预留模板一致。模式识别技术的这一特点类似于人的识别。

相当于一个人这是她的真名。

人的生物特征与人本身紧密相连，不可分割。生物认证，如模式识别，就像识别对方是否姓名与他或她的生物信息特征相一致，或者核对一个人生物信息的合法物证这是她的真名。比如，指纹是法定物证。

模式识别技术的缺点模式识别技术有拒绝率和错误识别率。有效采样得到的特征点很少，容易导致误认证。

(1)拒识率和误识率。

模式识别是对生物特征信息进行测量，获取相关数据，然后统计样本与预留模板数据的一致性，通过比较设定的阈值误差，达到分析判别的目的。

这种阈值的统计识别特性使得传统的模式识别技术存在拒绝率和错误识别率。匹配阈值分数越高，拒绝率越高。匹配阈值分数越低，则错误识别率。

(2)对特征点数量的限制。

模式识别是对生物特征信息进行测量，然后统计样本与预留模板的一致性，通过比较设定阈值的误差，达到分析判别的目的。

本节有一个重要前提，即模式识别是基于一定采样点的生物特征信息的测量。如果模板与模板之间的有效采样点数少于一定数量，通过比较设置阈值误差将达不到分析判别的目的。传统的人脸识别可以由于有效采样中特征点少，容易导致误判，因此不能广泛使用。

模式识别的研究方向模式识别通常被称为模式分类。从处理问题的性质和解决问题的方法来看，模式识别可以分为监督分类和非监督分类。两者的主要区别在于是否事先知道每个实验样本的类别。一般来说，监督分类往往需要提供大量已知类别的样本，但在实际问题中，这是有难度的，因此有必要研究非监督分类。

模式也可以分为抽象形式和具体形式。前者如意识、思想、评论等。属于概念识别研究的范畴，是人工智能的另一个研究分支。我们所说的模式识别主要是对语音波形、地震波、心电图、脑电图、图片、照片、文字、符号、生物传感器等物体的特定模式进行识别和分类。

模式识别研究主要集中在两个方面。一个是研究生如何感知物体(包括人)，属于认知科学的范畴。二是在给定的任务下，如何用计算机实现模式识别的理论和方法。前者是生理学家、心理学家、生物学家和神经生理学家的研究内容，后者经过数学家、信息学专家和计算机科学家近几十年的努力，取得了系统的研究成果。

计算机用于识别和分类一组事件或过程。所识别的事件或过程可以是具体的对象，例如文字、声音、图像，或者是抽象的对象，例如状态和程度。这些不同于数字信息的对象被称为模式信息。

通过模式识别分类的类别数量由特定的识别问题决定。有时，类别的实际数量可以不要一开始就被人知道

模式识别涉及到统计学、心理学、语言学、计算机科学、生物学、控制论等等。它与人工智能和图像处理的研究有关。例如，自适应或自组织模式识别系统包括人工智能的学习机制；人工智能研究中的场景理解和自然语言理解也包括模式识别。再比如图像处理技术在模式识别的预处理和特征提取中的应用；图像处理中的图像分析也应用了模式识别技术。