目录
- 1. 定义
- 1.0 模式识别：
- 1.1 机器学习：
- 1.2 计算机视觉：
- 2. 联系
- 2.0 模式识别 vs 机器学习:
- 2.1 模式识别 vs 计算机视觉:
- 3. 参考链接：
1. 定义
1.0 模式识别：
The field of pattern recognition is concerned with the automatic discovery of regularities in data through the use of computer algorithms and with the use of these regularities to take actions such as classifying the data into different categories.
– ”Pattern Recognition and Machine Learning", Christopher M.Bishop
模式识别关注的是如何使用算法发掘数据中的模式并根据发掘出的模式进行决策，例如对数据进行分类等。这里的模式可理解为数据中潜在的规律。
下面是一个典型的模式识别系统的流程：
1.1 机器学习：
The field of machine learning is concerned with the question of how to construct computer programs that automatically improve with experience.
– “Machine Learning", Tom Mitchell
机器学习关注的是如何构造一个计算机程序使得它能根据经验（数据）对其自身进行改进。机器学习中的学习，也就是一个自我改进的过程。传统机器学习过程不包括从原始数据中提取特征这个过程。
1.2 计算机视觉：
维基百科定义：
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图像处理，用计算机处理成为更适合人眼观察或传送给仪器检测的图像。
计算机视觉的目标也就是利用软硬件协同模拟甚至超越人的视觉系统。
2. 联系
2.0 模式识别 vs 机器学习:
模式识别和机器学习是很相近的概念，模式识别具有更多的“系统”性。模式识别包括了数据收集，特征提取，模型构建，模型评估，模式部署等过程，而传统机器学习更多地关注模型的构建，不太关注从原始数据中提取特征的过程，此外机器学习还有一个很重要的方面是研究机器学习算法的理论性能，也就是某种算法在某种特定情况下的理论性能。
它们的主要区别在于模式识别输入的是原始数据而机器学习系统输入的是提取出的特征，在深度学习中这个区别已经不太明显了，因为深度学习的目标就是减少特征提取的难度。
2.1 模式识别 vs 计算机视觉:
它们两者的研究有很多重合。识别是计算机视觉中最重要的问题之一，模式识别的输入大多为图像。
模式识别包含了很多视觉以外的的问题：
音频，雷达，文本…
计算机视觉包含识别以外的问题：
超分辨率，三维重建3D reconstruction. …
3. 参考链接：
南京大学模式识别课程
维基百科-模式识别
