1.模式与模式识别 Pattern Recognition
其实，每一种外界的事物都是一种模式，人类平均每天都在进行着很多很多的各种各样的模式识别，模式识别就是区分不同的模式，也即各种事物。
2.特征 Feature
每种模式都具有自己的特征，我们通过事物的不同特征来对事物进行识别。
3.名词约定
样本 Sample： 所研究对象的一个个体。
样本集 Sample Set： 若干样本的集合。
已知样本 Known Sample：已知类别的样本
未知样本 Unknown Sample：未知类别的样本
类别 Class： 同一类的样本具有相同的模式
特征 Feature： 每种模式都具有自己的特征，我们通过事物的不同特征来对事物进行识别。
4.方法
\\基于知识：例如，专家系统，句法识别。
\\基于数据：下图以基于数据的方法判断银行用户信用级别，x为用户信息，y为信用级别
f：使所有x到y的映射成立得到的理想函数，无法得到标准的公式
D：data，已知的用户信息和对应的信用级别，也即Sample Set
A：学习算法Algorithm
H：假想集，算法应满足的约束，也即Features
g：通过学习得到的函数，实质上是f的近似，可以得到公式
基于数据的学习过程
5.分类
监督模式识别 supervised pattern recognition ：已知类别数
非监督模式识别 unsupervised pattern recognition ，也称聚类 Clustering：未知类别数
6.模式识别系统的典型构成
//有监督
信息预处理
特征提取与选择
构造分类器、得到分类决策
//无监督
信息预处理
特征提取与选择
聚类
结果解释
