模式識(shí)別

PatternClassification

第一章:模式識(shí)別概述模式識(shí)別，第一章3一個(gè)例子通過(guò)光學(xué)感知手段，將傳送帶上的魚(yú)進(jìn)行自動(dòng)分類(lèi) 鱸魚(yú)

魚(yú)類(lèi) 鮭魚(yú)模式識(shí)別，第一章4問(wèn)題分析

架設(shè)一臺(tái)攝影像機(jī)，拍攝若干樣品的圖像提取用于區(qū)分兩類(lèi)魚(yú)的有效特征(feature)長(zhǎng)度光澤度寬度鰭的數(shù)目和形狀嘴的位置，等等…….模式識(shí)別，第一章5

預(yù)處理（preprocessing）去除干擾，圖像增強(qiáng)采用圖像分割技術(shù)將不同的魚(yú)分離開(kāi)來(lái)，或?qū)Ⅳ~(yú)同背景分開(kāi)特征提?。╢eatureextraction）將每條魚(yú)的數(shù)據(jù)送入特征提取器，通過(guò)測(cè)量特定的“特征”或“屬性”來(lái)簡(jiǎn)化原始數(shù)據(jù)將特征送入分類(lèi)器，以便進(jìn)行分類(lèi)模式識(shí)別，第一章6分類(lèi)（Classification）將待識(shí)別樣本進(jìn)行特征提取，并與存儲(chǔ)于分類(lèi)器中的特征進(jìn)行比較，從而判斷樣本的類(lèi)別模式識(shí)別，第一章7根據(jù)先驗(yàn)知識(shí)：鱸魚(yú)長(zhǎng)度一般要比鮭魚(yú)大選擇長(zhǎng)度（length）作為可能的分類(lèi)特征獲取足夠多的樣本（訓(xùn)練樣本）進(jìn)行統(tǒng)計(jì)（直方圖）實(shí)現(xiàn)方法確定合適的長(zhǎng)度臨界值L*作為分類(lèi)標(biāo)準(zhǔn)模式識(shí)別，第一章8鮭魚(yú)鱸魚(yú)分類(lèi)標(biāo)準(zhǔn)確定合適的長(zhǎng)度臨界值L*作為分類(lèi)標(biāo)準(zhǔn)模式識(shí)別，第一章9單一的特征判據(jù)（長(zhǎng)度）不足以完全正確分類(lèi)無(wú)論怎樣確定臨界值，都有無(wú)法僅憑長(zhǎng)度就把兩類(lèi)魚(yú)截然分開(kāi)問(wèn)題模式識(shí)別，第一章10選擇光澤度（lightness）作為分類(lèi)特征獲取足夠多的樣本（訓(xùn)練樣本）進(jìn)行統(tǒng)計(jì)（直方圖）確定合適的光澤度臨界值x*作為分類(lèi)標(biāo)準(zhǔn)方法改進(jìn)模式識(shí)別，第一章11鮭魚(yú)鱸魚(yú)分類(lèi)標(biāo)準(zhǔn)以光澤度為分類(lèi)特征，兩類(lèi)魚(yú)的分離性更好！模式識(shí)別，第一章12判別邊界與判別代價(jià)

無(wú)論采用哪一種特征進(jìn)行分類(lèi)都有代價(jià)：誤判上述判別邊界假設(shè)將鮭魚(yú)誤判為鱸魚(yú)和將鱸魚(yú)誤判為鮭魚(yú)的代價(jià)相等（對(duì)稱代價(jià)）非對(duì)稱代價(jià)：調(diào)整判別邊界的位置結(jié)論特征選擇對(duì)分類(lèi)效果有較大的影響模式識(shí)別，第一章13鮭魚(yú)鱸魚(yú)調(diào)整判別邊界，減小判別代價(jià)模式識(shí)別，第一章14為獲取更好的分類(lèi)效果，組合運(yùn)用多個(gè)特征選取光澤度（lightness）和寬度（width）作為分類(lèi)特征魚(yú) xT=[x1,x2]特征向量：xT=[x1,x2]LightnessWidth模式識(shí)別，第一章15鮭魚(yú)鱸魚(yú)判別標(biāo)準(zhǔn)：判別邊界組合特征優(yōu)于單一特征模式識(shí)別，第一章16需要考慮的問(wèn)題特征越多分類(lèi)性能越好嗎？什么樣的特征才是好的特征？特征的相關(guān)性與冗余？模式識(shí)別，第一章17需要考慮的問(wèn)題如何獲取判別邊界：判別模型？什么樣的判別邊界才是最優(yōu)的：模型優(yōu)化？模式識(shí)別，第一章18復(fù)雜的模型鮭魚(yú)鱸魚(yú)模式識(shí)別，第一章19復(fù)雜的模型可保證對(duì)所有訓(xùn)練樣本正確分類(lèi)過(guò)于復(fù)雜的模型將導(dǎo)致復(fù)雜的判別界面新模式推廣能力差模式識(shí)別，第一章20分類(lèi)系統(tǒng)的目標(biāo)是對(duì)未知的樣本正確分類(lèi)，而不僅僅是對(duì)訓(xùn)練樣本分類(lèi)必須在模型復(fù)雜度和推廣能力之間進(jìn)行折中考慮最優(yōu)模型模式識(shí)別，第一章21鮭魚(yú)鱸魚(yú)優(yōu)化的判別邊界模式識(shí)別，第一章22什么是模式識(shí)別？定義利用機(jī)器（計(jì)算機(jī)）模仿人腦對(duì)現(xiàn)實(shí)世界各種事物進(jìn)行描述、分類(lèi)、判斷和識(shí)別的過(guò)程。周?chē)矬w的認(rèn)知：桌子、椅子、門(mén)、窗戶人的識(shí)別：張三、李四聲音的辨別：火車(chē)、汽車(chē)、鳥(niǎo)鳴氣味的分辨：紅燒肉、炸帶魚(yú)模式識(shí)別，第一章23什么是模式識(shí)別？目標(biāo)用計(jì)算機(jī)實(shí)現(xiàn)具有感知、識(shí)別、理解、自學(xué)習(xí)和自適應(yīng)能力的靈活和智能的計(jì)算機(jī)器。

人和動(dòng)物的模式識(shí)別能力是極其平常的，但對(duì)計(jì)算機(jī)來(lái)說(shuō)是非常困難的。模式識(shí)別，第一章24模式識(shí)別的產(chǎn)生與發(fā)展起源始于20世紀(jì)40年代研究初期，模式識(shí)別被看作動(dòng)物所具有的自然生理現(xiàn)象，很多人認(rèn)為不值得研究。當(dāng)人們?cè)噲D使計(jì)算機(jī)去具有人腦的識(shí)別能力后，模式識(shí)別的難度和重要性才得以重視。模式識(shí)別，第一章25模式識(shí)別的產(chǎn)生與發(fā)展隨著計(jì)算機(jī)技術(shù)的發(fā)展，60年代后模式識(shí)別迅速發(fā)展為一門(mén)相對(duì)獨(dú)立的新興交叉學(xué)科明確的問(wèn)題定義、嚴(yán)格的數(shù)學(xué)基礎(chǔ)、堅(jiān)實(shí)的理論框架、豐富的理論和應(yīng)用成果、廣闊的應(yīng)用前景模式識(shí)別，第一章26模式識(shí)別的產(chǎn)生與發(fā)展30年代英國(guó)統(tǒng)計(jì)學(xué)家Fisher(費(fèi)希爾)提出統(tǒng)計(jì)分類(lèi)理論，奠定了統(tǒng)計(jì)模式識(shí)別的基礎(chǔ)。50年代NoamChemsky提出形式語(yǔ)言理論——傅京蓀提出句法/結(jié)構(gòu)模式識(shí)別。60年代模糊模式識(shí)別方法得以發(fā)展和應(yīng)用。模式識(shí)別，第一章27模式識(shí)別的產(chǎn)生與發(fā)展80年代以Hopfield網(wǎng)、BP網(wǎng)為代表的神經(jīng)網(wǎng)絡(luò)模型導(dǎo)致人工神經(jīng)元網(wǎng)絡(luò)復(fù)活，并在模式識(shí)別得到較廣泛的應(yīng)用。90年代小樣本學(xué)習(xí)理論，支持向量機(jī)受到了很大的重視。模式識(shí)別，第一章28模式識(shí)別的相關(guān)學(xué)科模式識(shí)別人工智能計(jì)算機(jī)視覺(jué)機(jī)器學(xué)習(xí)認(rèn)知科學(xué)心理生物學(xué)模式識(shí)別，第一章29模式識(shí)別的應(yīng)用語(yǔ)音識(shí)別與理解（Speechrecognition）語(yǔ)音識(shí)別說(shuō)話人識(shí)別語(yǔ)種識(shí)別語(yǔ)音情感識(shí)別模式識(shí)別，第一章30模式識(shí)別的應(yīng)用字符識(shí)別（CharacterRecognition）手寫(xiě)體印刷體漢字、英文、阿拉伯?dāng)?shù)字模式識(shí)別，第一章31模式識(shí)別的應(yīng)用圖像識(shí)別（ImageRecognition）車(chē)牌識(shí)別人臉識(shí)別模式識(shí)別，第一章32模式識(shí)別的應(yīng)用車(chē)牌識(shí)別模式識(shí)別，第一章33模式識(shí)別的應(yīng)用生物特征識(shí)別（身份鑒別）指紋識(shí)別掌紋識(shí)別人臉識(shí)別虹膜識(shí)別簽名識(shí)別步態(tài)識(shí)別模式識(shí)別，第一章34模式識(shí)別的應(yīng)用生物醫(yī)學(xué)信號(hào)識(shí)別心電圖心音多普勒超聲波生物信號(hào)染色體DNA序列模式識(shí)別，第一章35模式識(shí)別的應(yīng)用遙感圖像自動(dòng)識(shí)別根據(jù)遙感圖像的光譜特征和紋理特征進(jìn)行自動(dòng)分類(lèi)和識(shí)別模式識(shí)別，第一章36模式識(shí)別的應(yīng)用遙感圖像識(shí)別模式識(shí)別，第一章37研究模式識(shí)別的意義通過(guò)模式識(shí)別的研究和應(yīng)用，提高和擴(kuò)展計(jì)算機(jī)的應(yīng)用能力和領(lǐng)域，促進(jìn)人工智能的應(yīng)用與發(fā)展促進(jìn)人們對(duì)人腦識(shí)別過(guò)程的理解和認(rèn)識(shí)模式識(shí)別，第一章38模式識(shí)別的理論基礎(chǔ)概率論與數(shù)理統(tǒng)計(jì)隨機(jī)過(guò)程線性代數(shù)優(yōu)化方法形式語(yǔ)言學(xué)模式識(shí)別，第一章39模式識(shí)別的基本方法模式識(shí)別方法經(jīng)典方法現(xiàn)代方法統(tǒng)計(jì)方法句法方法神經(jīng)網(wǎng)絡(luò)方法模糊模式識(shí)別模式識(shí)別，第一章40模式識(shí)別的基本方法統(tǒng)計(jì)決策法基于模式的定量描述與統(tǒng)計(jì)規(guī)律的識(shí)別方法，是模式識(shí)別最經(jīng)典、最成熟的方法，目前廣泛應(yīng)用于模式識(shí)別的各個(gè)領(lǐng)域原理：樣本觀測(cè)值特征概率統(tǒng)計(jì)決策準(zhǔn)則分類(lèi)模式識(shí)別，第一章41模式識(shí)別的基本方法統(tǒng)計(jì)方法鮭魚(yú)鱸魚(yú)決策標(biāo)準(zhǔn)：判別邊界模式識(shí)別，第一章42模式識(shí)別的基本方法模式描述方法特征向量模式判定模式類(lèi)用條件概率分布P(X/i)表示,m類(lèi)就有m個(gè)分布，然后判定未知模式屬于哪一個(gè)分布特征向量特征值模式識(shí)別，第一章43模式識(shí)別的基本方法理論基礎(chǔ)概率論數(shù)理統(tǒng)計(jì)主要方法概率方法（Bayes決策）幾何方法（線性、非線性分類(lèi)）聚類(lèi)分析（無(wú)監(jiān)督模式識(shí)別）模式識(shí)別，第一章44模式識(shí)別的基本方法優(yōu)點(diǎn)比較成熟，理論體系較為完善，應(yīng)用廣泛能考慮干擾噪聲等影響識(shí)別模式能力強(qiáng)缺點(diǎn)對(duì)結(jié)構(gòu)復(fù)雜的模式抽取特征困難不能反映模式的結(jié)構(gòu)特征，難以描述模式的性質(zhì)模式識(shí)別，第一章45模式識(shí)別的基本方法句法方法基于模式的空間結(jié)構(gòu)特征的定性描述與形式語(yǔ)言學(xué)的方法，廣泛應(yīng)用于字符識(shí)別、圖像識(shí)別等領(lǐng)域原理：樣本基元字符串形式語(yǔ)言文法分類(lèi)模式識(shí)別，第一章46模式識(shí)別的基本方法模式描述方法符號(hào)串樹(shù)圖模式判定是一種語(yǔ)言，用一個(gè)文法表示一個(gè)類(lèi)，m類(lèi)就有m個(gè)文法，然后判定未知模式遵循哪一個(gè)文法模式識(shí)別，第一章47模式識(shí)別的基本方法句法方法定義基元：模式識(shí)別，第一章48模式識(shí)別的基本方法理論基礎(chǔ)形式語(yǔ)言自動(dòng)機(jī)技術(shù)主要方法CYK剖析算法Early算法狀態(tài)圖法模式識(shí)別，第一章49模式識(shí)別的基本方法優(yōu)點(diǎn)能有效反映模式的結(jié)構(gòu)特征特別適合于文字、圖象等具有結(jié)構(gòu)特征的模式分類(lèi)問(wèn)題缺點(diǎn)當(dāng)存在干擾及噪聲時(shí)，基元提取較為困難分類(lèi)器的設(shè)計(jì)比統(tǒng)計(jì)方法困難和復(fù)雜模式識(shí)別，第一章50模式識(shí)別的基本方法模糊模式識(shí)別基于模糊數(shù)學(xué)和統(tǒng)計(jì)分析的識(shí)別方法，在不能明確描述模式特征和結(jié)構(gòu)的復(fù)雜模式識(shí)別問(wèn)題中得到了成功應(yīng)用根據(jù)隸屬度和模糊文法進(jìn)行分類(lèi)模糊模式類(lèi)很像三角形的圖形遠(yuǎn)大于2的整數(shù)清晰模式類(lèi)三角形大于2的整數(shù)模式識(shí)別，第一章51模式識(shí)別的基本方法模式描述方法模糊集合

模式判定用隸屬度將模糊集合劃分為若干子集，m類(lèi)就有m個(gè)子集，然后根據(jù)擇近原則進(jìn)行分類(lèi)模式識(shí)別，第一章52模式識(shí)別的基本方法理論基礎(chǔ)模糊數(shù)學(xué)主要方法模糊統(tǒng)計(jì)法二元對(duì)比排序法推理法模糊矩陣

模式識(shí)別，第一章53模式識(shí)別的基本方法優(yōu)點(diǎn)以隸屬度作為樣本間相似程度的度量，具有較強(qiáng)的抗干擾與畸變能力缺點(diǎn)準(zhǔn)確合理的隸屬度函數(shù)往往難以建立，限制了其應(yīng)用模式識(shí)別，第一章54模式識(shí)別的基本方法神經(jīng)網(wǎng)絡(luò)方法基于現(xiàn)代生物學(xué)和認(rèn)識(shí)科學(xué)對(duì)人類(lèi)信息處理的研究成果采用人工神經(jīng)網(wǎng)絡(luò)模型，使識(shí)別和處理過(guò)程更接近人類(lèi)的思維過(guò)程模式識(shí)別，第一章55模式識(shí)別的基本方法模式描述方法神經(jīng)元：不同活躍度表示的輸入節(jié)點(diǎn)集模式判定通過(guò)對(duì)樣本的學(xué)習(xí)建立起記憶，將未知模式判決為其最接近的記憶模式識(shí)別，第一章56模式識(shí)別的基本方法輸入層(i)輸入層(j)輸入層(k)模式識(shí)別，第一章57模式識(shí)別的基本方法神經(jīng)網(wǎng)絡(luò)方法人工神經(jīng)網(wǎng)絡(luò)由相互廣泛連接的神經(jīng)元組成，信息分布于神經(jīng)網(wǎng)絡(luò)中每一節(jié)點(diǎn)的輸入為前一層所有節(jié)點(diǎn)輸出的加權(quán)和通過(guò)已知類(lèi)別樣本的學(xué)習(xí)，調(diào)整各節(jié)點(diǎn)之間的加權(quán)系數(shù)模式識(shí)別，第一章58模式識(shí)別的基本方法理論基礎(chǔ)神經(jīng)生理學(xué)心理學(xué)主要方法BP模型HOP模型高階網(wǎng)模式識(shí)別，第一章59模式識(shí)別的基本方法優(yōu)點(diǎn)具有自適應(yīng)學(xué)習(xí)能力，適用于并行計(jì)算與處理缺點(diǎn)模型在不斷豐富與完善中目前能識(shí)別的模式類(lèi)還不夠多模式識(shí)別，第一章60模式識(shí)別的一般過(guò)程無(wú)論采用何種方法，模式識(shí)別一般都要包括下列兩個(gè)基本過(guò)程模式識(shí)別學(xué)習(xí)過(guò)程（設(shè)計(jì)過(guò)程）識(shí)別過(guò)程（實(shí)現(xiàn)過(guò)程）模式識(shí)別，第一章61模式識(shí)別的一般過(guò)程學(xué)習(xí)過(guò)程通過(guò)一批已知類(lèi)別的學(xué)習(xí)樣本進(jìn)行分析，推出分類(lèi)準(zhǔn)則。識(shí)別過(guò)程對(duì)末知類(lèi)別的單個(gè)待識(shí)樣本，根據(jù)分類(lèi)準(zhǔn)則進(jìn)行識(shí)別分類(lèi)。模式識(shí)別，第一章62模式識(shí)別的一般過(guò)程學(xué)習(xí)樣本數(shù)據(jù)獲取預(yù)處理特征提取統(tǒng)計(jì)分析分類(lèi)準(zhǔn)則待識(shí)樣本數(shù)據(jù)獲取預(yù)處理特征提取識(shí)別分類(lèi)分類(lèi)結(jié)果統(tǒng)計(jì)模式識(shí)別的過(guò)程模式識(shí)別，第一章63模式識(shí)別的一般過(guò)程學(xué)習(xí)樣本數(shù)據(jù)獲取預(yù)處理特征提取統(tǒng)計(jì)分析分類(lèi)準(zhǔn)則人工干預(yù)改進(jìn)采集方法改進(jìn)預(yù)處理改進(jìn)特征提取改進(jìn)分類(lèi)規(guī)則訓(xùn)練樣本測(cè)試樣本正確率測(cè)試模式識(shí)別，第一章64模式識(shí)別的一般過(guò)程數(shù)據(jù)獲取采用傳感器(攝像機(jī)或麥克風(fēng))，通過(guò)測(cè)量、采樣和量化，得到反映樣本信息的原始數(shù)據(jù)（一維波形、二維圖像等）數(shù)據(jù)質(zhì)量依賴于傳感器的特性和局限性（如帶寬、分辯率、靈敏度、信噪比等）預(yù)處理采用特定方法，對(duì)樣本數(shù)據(jù)進(jìn)行分割、噪聲濾除、邊緣增強(qiáng)等處理預(yù)處理的方法與樣本對(duì)象所屬領(lǐng)域密切相關(guān)（如語(yǔ)音、圖像），即預(yù)處理的面向問(wèn)題的

模式識(shí)別，第一章65被干擾的心電信號(hào)預(yù)處理（濾波）后的心電信號(hào)模式識(shí)別，第一章66模式識(shí)別的一般過(guò)程特征提取采用特定的方法提取反映樣本本質(zhì)特性的特征（Feature），壓縮原始數(shù)據(jù)例如，語(yǔ)音信號(hào)的常用特征為短時(shí)能量、短時(shí)過(guò)零率、基音周期、共振峰等

模式識(shí)別，第一章67電話撥號(hào)音模式識(shí)別，第一章68特征表達(dá)用反映事物本質(zhì)特性的特征向量表達(dá)模式模式識(shí)別的一般過(guò)程模式識(shí)別，第一章69統(tǒng)計(jì)分析采用一定的統(tǒng)計(jì)方法，通過(guò)學(xué)習(xí)樣本的分布規(guī)律，建立識(shí)別模型，推斷出分類(lèi)準(zhǔn)則。模式識(shí)別的一般過(guò)程鮭魚(yú)鱸魚(yú)模式識(shí)別，第一章70模式識(shí)別的一般過(guò)程識(shí)別分類(lèi)根據(jù)分類(lèi)準(zhǔn)則，對(duì)待識(shí)樣本進(jìn)行分類(lèi)。鮭魚(yú)鱸魚(yú)判別標(biāo)準(zhǔn)：判別邊界待識(shí)樣本為鮭魚(yú)模式識(shí)別，第一章71模式識(shí)別的一般過(guò)程句法模式識(shí)別的過(guò)程學(xué)習(xí)樣本數(shù)據(jù)獲取預(yù)處理基元提取文法推斷文法待識(shí)樣本數(shù)據(jù)獲取預(yù)處理基元提取句法分析分類(lèi)結(jié)果模式識(shí)別，第一章72模式識(shí)別系統(tǒng)實(shí)現(xiàn)學(xué)習(xí)過(guò)程和識(shí)別過(guò)程的計(jì)算機(jī)系統(tǒng)稱為模式識(shí)別系統(tǒng)，亦稱為分類(lèi)器。學(xué)習(xí)過(guò)程即是分類(lèi)器的設(shè)計(jì)過(guò)程識(shí)別過(guò)程即是分類(lèi)器的實(shí)現(xiàn)過(guò)程模式識(shí)別，第一章73分類(lèi)器設(shè)計(jì)采集數(shù)據(jù)（Datacollection）選擇特征（FeatureChoice）選擇方法和模型（ModelChoice）訓(xùn)練分類(lèi)器（Training）評(píng)價(jià)分類(lèi)器（Evaluation）模式識(shí)別，第一章74開(kāi)始采集數(shù)據(jù)選擇特征選擇方法和模型訓(xùn)練分類(lèi)器評(píng)價(jià)分類(lèi)器結(jié)束先驗(yàn)知識(shí)人工干預(yù)模式識(shí)別，第一章75采集數(shù)據(jù)（DataCollection）在開(kāi)發(fā)模式識(shí)別系統(tǒng)費(fèi)用中，數(shù)據(jù)據(jù)采集占到令人吃驚的比重為保證分類(lèi)器的性能，必須有足夠多的訓(xùn)練樣本怎樣才能知道已經(jīng)采集到足夠多有代表性的供訓(xùn)練和測(cè)試用的數(shù)據(jù)了呢？ 分類(lèi)器設(shè)計(jì)模式識(shí)別，第一章76選擇特征（Featurechoice）怎么做才能把先驗(yàn)知識(shí)和訓(xùn)練數(shù)據(jù)有機(jī)結(jié)合起來(lái)，以發(fā)現(xiàn)有用的和有效的特征呢？分類(lèi)器設(shè)計(jì)模式識(shí)別，第一章77分類(lèi)器設(shè)計(jì)特征選擇（Featurechoice）依賴于具體的問(wèn)題（語(yǔ)音識(shí)別、圖像識(shí)別）選擇反映模式本質(zhì)特性的參數(shù)作為特征使樣本類(lèi)間距離較大、類(lèi)內(nèi)距離較小與類(lèi)別信息不相關(guān)的變換（平移、旋轉(zhuǎn)、尺度變換）具有不變性盡量選擇相關(guān)性小的特征盡可能不受噪聲的干擾模式識(shí)別，第一章78模型選擇（ModelChoice）怎樣選擇合適的模型，得到識(shí)別分類(lèi)的標(biāo)準(zhǔn)？模型是唯一的嗎？什么樣的模型更優(yōu)呢？分類(lèi)器設(shè)計(jì)模式識(shí)別，第一章79訓(xùn)練或?qū)W習(xí)（Training）利用樣本數(shù)據(jù)來(lái)確定分類(lèi)器的過(guò)程“基于樣本的學(xué)習(xí)”的方法是設(shè)計(jì)分類(lèi)器的最有效的方法。分類(lèi)器設(shè)計(jì)模式識(shí)別，第一章80評(píng)價(jià)分類(lèi)器（Evaluation）識(shí)別率誤識(shí)率實(shí)時(shí)性計(jì)算復(fù)雜度分類(lèi)器設(shè)計(jì)模式識(shí)別，第一章81模式識(shí)別的研究機(jī)構(gòu)中科院自動(dòng)化所模式識(shí)別國(guó)家重點(diǎn)實(shí)驗(yàn)室模式識(shí)別基礎(chǔ)理論研究圖像處理與計(jì)算機(jī)視覺(jué)語(yǔ)音語(yǔ)言信息處理模式識(shí)別，第一章82模式識(shí)別的研究機(jī)構(gòu)微軟亞洲研究院