1. 模式识别与大样本数据预处理

1.1 模式识别简介

当人们看的东西，不是一般的了解以前的事情，但根据相似性和事物或财产之间的差异反映了分析的主要特点和之间，就会有同样的功能划分为同一类的东西事物的认识在人们的意识演变中的概念“模特”的过程。通俗的说，按照一类的东西的主要特点，并能够反映这样的事情一样有趣的功能描述的其他事情，如物品被称为不同的模式。

最低误差率，物理计算机信息分类，以便分类和物镜的保护是更加类似目的目标模式识别研究。标记事物由计算机算法来分解物并确定逼近被检个体的程度。例如，手写数字和0-9是为了识别相似观察手写数字的程度进行比较。从现象出透析，我们想要区分的事情，它需要检测在度量它们之间的差，和差的方法来检测出是很重要的[1]。

在模式识别中，“模式”和“模式类”，事物的一种模式，该类别说，必须用“模式”语句的具体功能的事情，因为数字仅仅是0-9，然而，人工写出的则属于“模式”。

1.2 模式的描述方法

在模式识别的过程中样品作为被识别的观测对象是非常重要的。将其用作研究用途是，样本与相关因素的关系需要首先确定，将因素称为特征，那么样品的特征就可以被称为模式。将位于相同特征空间内的所有特征向量共性的称之为模式的特征集。这些存在于向量中的每一个不同的元素又被称之为功能，因此这将是矢量要素矢量在一般的状况下，可以用 来分别取代某个特征。假定所取样品 中包涵有 个特征，从一定角度来看 可以被看做 维的列向量，进而的可以将 称之为特征向量，将其记为

从实际角度来看，在 内的 个特征，区别 是 内具体的模式识别特征是非常重要的。确定范围内去区别不同的模式，其最终的取值会因为模式性质的不同而出现较大差异，结果所显示的特征空间领域也将会有较大区别。从这一点可以得出，模式识别的出发点是以特征空间为基础来告知其与解释空间的关系。由于模式的不同可以将其区分衡量的空间也叫做特征空间。另 个种类归并在一起又称为解释空间[2]。

1.3 模式识别系统

通常情况下可以将识别系统分五个部分：数据的处理、预处理、特征的提取、分类的决策选择、以及分类器的设计。而这五种又可归并为两种情况，将未定模式分类处理和将已知模式分类处理[3]。