模式识别是将输入数据分类为对象或类的过程关键特性．模式识别中有两种分类方法:监督分类和非监督分类。
模式识别在计算机视觉、雷达处理、语音识别和文本分类中都有应用。
监督分类
输入数据的监督分类在模式识别方法中使用监督式学习基于来自不同对象类的训练数据创建分类器的算法。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)、人脸检测、目标检测和目标分类。
使用支持向量机(SVM)和HOG特征提取检测人金宝app。看到文档获取详细信息。
非监督分类
的非监督分类方法通过使用分割或聚类技术在未标记的数据中发现隐藏的结构。常见的非监督分类方法包括:
- k - means聚类
- 高斯混合模型
- 隐马尔可夫模型
在图像处理和计算机视觉中，无监督模式识别技术被用于目标检测和图像分割。
利用高斯混合模型将图像像素划分为前景(白色像素)和背景(黑色像素)来检测运动目标。看到例子获取详细信息。
基于颜色的图像分割使用k - means聚类。
有关详细信息,请参见计算机视觉工具箱™，图像处理工具箱™,统计和机器学习工具箱™，与MATLAB®．
