模式识别和生物识别

模式识别涉及识别模式并再次确认。一般来说，模式可以是指纹图像、手写草书单词、人脸、语音信号、条形码或互联网上的网页。

各个模式通常根据其属性分为不同的类别。当具有相同属性的模式组合在一起时，得到的组也是一个模式，通常称为模式类。

模式识别是一门观察、区分感兴趣的模式并对模式或模式类做出正确决策的科学。因此，生物特征识别系统应用模式识别来识别和分类个体，通过将其与存储的模板进行比较。

生物特征识别中的模式识别

模式识别技术执行以下任务 −

• 分类 − 识别手写字符、CAPTCHA，区分人类和计算机。

• 分割 − 检测图像中的文本区域或面部区域。

• 句法模式识别 −确定一组数学符号或运算符之间的关系，以及它们如何形成有意义的表达式。

下表重点介绍了模式识别在生物识别中的作用 −

模式识别的组成部分

模式识别技术将人类特征的随机模式提取为紧凑的数字签名，可作为生物标识符。生物特征识别系统使用模式识别技术对用户进行分类并分别识别他们。

模式识别的组成部分如下 −

模式识别中的流行算法

最流行的模式生成算法是 −

最近邻算法

您需要获取未知个体的向量并计算其与数据库中所有模式的距离。距离最小的匹配效果最佳。

反向传播 (Backprop) 算法

这是一个有点复杂但非常有用的算法，涉及大量数学计算。