模式识别是将输入数据分类为基于的对象或类的过程主要特点。模式识别有两个分类方法：监督和无监督的分类。
模式识别具有计算机视觉，雷达处理，语音识别和文本分类中的应用。
监督分类
模式识别方法使用中的输入数据的监督分类监督学习创建基于来自不同对象类的训练数据的分类器的算法。然后，分类器接受输入数据并分配适当的对象或类标签。
在计算机视觉中，监督模式识别技术用于光学字符识别（OCR），面部检测，对象检测和对象分类。
使用支持向量机（SVM）和HOG特征提取的人员金宝app检测人员。看文件有关详细信息。
无监督的分类
这无监督的分类方法通过使用分段或群集技术在未标记数据中查找隐藏结构来工作。常见的无监督分类方法包括：
- k均值聚类
- 高斯混合模型
- 隐藏的马尔可夫模型
在图像处理和计算机视觉中，无监督的模式识别技术用于对象检测和图像分割。
通过使用高斯混合模型对前景（白色像素）和背景（黑色像素）分类图像像素来检测移动物体。看例子有关详细信息。
彩色基于彩色图像分割使用k-means聚类。
有关详细信息，请参阅计算机Vision Toolbox™那图像处理工具箱™， 和统计和机器学习工具箱™，与之使用马铃薯®。
