模式识别一般步骤：数据获取信息输入显微细胞图像数字化细胞图像细胞涂片制备图像预处理预处理区域划分特征抽取特征选择/提取决策分析细胞图像的计算机分类系统框图信息输出
信息输入 细胞涂片制备 显微细胞图像 数字化细胞图像 数据获取 图像预处理 区域划分 预处理 决策分析 信息输出 特征抽取 特征选择/提取 细胞图像的 计算机分类系统框图 模式识别一般步骤：
1.2.2模式识别系统组成判决过程分类决策特征选择预处理数据获取或提取分类规则训练模式识别系统框图学习过程注意：“处理”与“识别”两个概念的区别处理图像、语音图像、语音动物具体的羊、猴识别卫星照片亩产量1000斤、地形特点处理：输入与输出是同样的对象，性质不变。识别：输入的是事物，输出的是对它的分类、理解和描述
1.2.2 模式识别系统组成 学习过程 判决过程 分类规则训练 分类决策 数据获取 预处理 特征选择 或提取 注意：“处理”与“识别”两个概念的区别 具体的羊、猴 亩产量1000斤、地形特点 图像、语音 动物 卫星照片 图像、语音 处理 识别 处理：输入与输出是同样的对象，性质不变。 识别：输入的是事物，输出的是对它的分类、理解和描述。 模式识别系统框图
1.3模式识别概况1.3.1模试识别发展简介1929年G.Tauschek发明阅读机；30年代Fisher提出统计分类理论：50年代NoamChemsky提出形式语言理论；60年代L.A.Zadeh提出了模糊集理论，较广泛地应用80年代Hopfield提出神经元网络模型理论：90年代以后小样本学习理论、支持向量机。基本上：五十、六十年代开始迅速发展，七十年代初奠定理论基础。比较成熟的：四大分支
1.3 模式识别概况 1929年G. Tauschek发明阅读机; 30年代 Fisher提出统计分类理论; 50年代Noam Chemsky提出形式语言理论; 60年代L.A.Zadeh提出了模糊集理论，较广泛地应用; 80年代Hopfield提出神经元网络模型理论; 90年代以后小样本学习理论、支持向量机。 1.3.1 模试识别发展简介 基本上：五十、六十年代开始迅速发展， 七十年代初奠定理论基础 。 比较成熟的：四大分支
1.3.2模式识别分类1.从理论上分类①）统计模式识别以模式集在特征空间中分布的类概率密度函数为基础，对总体特征进行研究。包括判决函数法和聚类分析法。②句法模式识别（结构模式识别）根据识别对象的结构特征，以形式语言理论为基础的一种模式识别方法。把复杂模式分化为较简单的子模式乃至基元，各层次之间的关系通过“结构法”来描述，相当于语言中的语法。用小而简单的基元与语法规则来描述大而复杂的模式
1. 从理论上分类 ① 统计模式识别 以模式集在特征空间中分布的类概率密度函数为基础，对 总体特征进行研究。包括判决函数法和聚类 分析法。 1.3.2 模式识别分类 ②句法模式识别（结构模式识别） 根据识别对象的结构特征，以形式语言理论为基础的一种模 式识别方法 。 把复杂模式分化为较简单的子模式乃至基元，各层次之间的 关系通过“结构法”来描述，相当于语言中的语法。用小而简单 的基元与语法规则来描述大而复杂的模式
句子B墙壁fC名词短语动词短语Q6edD名词动词冠词副词E地板gThegirlhardstudies(b)景物A(a)子物体B背景C模式地墙三棱柱D长方体E基板壁元fg三面面面面基角元dace形b(c)
（a） 句子 名词短语 冠词 动词短语 名词 动词 副词 The girl studies hard （b） 墙壁 f 地板 g E D B b a d c e 景物 A 物体 B 背景 C 三棱柱 D 长方体 E 面 a 三 角 形 b 面 c 面 d 面 e 地 板 g 墙 壁 f 子 模 式 基 元 基 元 （c）