模式识别范文

模式识别篇1

1.相邻问题捆绑法：题目中规定相邻的几个元素捆绑成一个组，当作一个大元素参与排列.

例1. 五人并排站成一排，如果 必须相邻且 在 的右边，那么不同的排法种数有

A、60种 B、48种 C、36种 D、24种

解析：A，B把 视为一人，且B固定在 A的右边，则本题相当于4人的全排列， 种，

2.相离问题插空排：元素相离（即不相邻）问题，可先把无位置要求的几个元素全排列，再把规定的相离的几个元素插入上述几个元素的空位和两端.

例2.七人并排站成一行，如果甲乙两个必须不相邻，那么不同的排法种数是

A、1440种 B、3600种 C、4820种 D、4800种

3.有序分配问题逐分法：有序分配问题指把元素分成若干组，可用逐步下量分组法.

例3.（1）有甲乙丙三项任务，甲需2人承担，乙丙各需一人承担，从10人中选出4人承担这三项任务，不同的选法种数是

A、1260种 B、2025种 C、2520种 D、5040种

解析：先从10人中选出2人承担甲项任务，再从剩下的8人中选1人承担乙项任务，第三步从另外的7人中选1人承担丙项任务，不同的选法共有 选C .

（2）12名同学分别到三个不同的路口进行流量的调查，若每个路口4人，则不同的分配方案有

答案：A .

4.全员分配问题分组法：

例4.（1）4名优秀学生全部保送到3所学校去，每所学校至少去一名，则不同的保送方案有多少种？

解析：把四名学生分成3组有 种方法，再把三组学生分配到三所学校有 种，故共有 种方法.

说明：分配的元素多于对象且每一对象都有元素分配时常用先分组再分配.

（2）5本不同的书，全部分给4个学生，每个学生至少一本，不同的分法种数为

A、480种 B、240种 C、120种 D、96种

答案： B.

5.多元问题分类法：元素多，取出的情况也多种，可按结果要求分成不相容的几类情况分别计数，最后总计.

例5.（1）由数字0，1，2，3，4，5组成没有重复数字的六位数，其中个位数字小于十位数字的共有

A、210种 B、300种 C、464种 D、600种

（2）从1，2，3…，100这100个数中，任取两个数，使它们的乘积能被7整除，这两个数的取法（不计顺序）共有多少种？

（3）从1，2，3，…，100这100个数中任取两个数，使其和能被4整除的取法（不计顺序）有多少种？

6.交叉问题集合法：某些排列组合问题几部分之间有交集，可用集合中求元素个数公式

例6.从6名运动员中选出4人参加4×100米接力赛，如果甲不跑第一棒，乙不跑第四棒，共有多少种不同的参赛方案？

解析：设全集={6人中任取4人参赛的排列}，A={甲跑第一棒的排列}，B={乙跑第四棒的排列}，根据求集合元素个数的公式得参赛方法共有：

7.选排问题先取后排：从几类元素中取出符合题意的几个元素，再安排到一定的位置上，可用先取后排法.

例7.（1）四个不同球放入编号为1，2，3，4的四个盒中，则恰有一个空盒的放法有多少种？

（2）9名乒乓球运动员，其中男5名，女4名，现在要进行混合双打训练，有多少种不同的分组方法？

8.可重复的排列求幂法：允许重复排列问题的特点是以元素为研究对象，元素不受位置的约束，可逐一安排元素的位置，一般地n个不同元素排在m个不同位置的排列数有mn种方法.

例8.把6名实习生分配到7个车间实习共有多少种不同方法？

解析：完成此事共分6步，第一步；将第一名实习生分配到车间有7种不同方案，第二步：将第二名实习生分配到车间也有7种不同方案，依次类推，由分步计数原理知共有76种不同方案.

9.复杂排列组合问题构造模型法：

例9.马路上有编号为1，2，3…，9九只路灯，现要关掉其中的三盏，但不能关掉相邻的二盏或三盏，也不能关掉两端的两盏，求满足条件的关灯方案有多少种？

解析：把此问题当作一个排对模型，在6盏亮灯的5个空隙中插入3盏不亮的灯 种方法，所以满足条件的关灯方案有10种.

说明：一些不易理解的排列组合题，如果能转化为熟悉的模型如填空模型，排队模型，装盒模型可使问题容易解决.

10.复杂的排列组合问题也可用分解与合成法：

例10.（1）30030能被多少个不同偶数整除？

解析：先把30030分解成质因数的形式：30030=2×3×5×7×11×13；依题意偶因数2必取，3，5，7，11，13这5个因数中任取若干个组成成积，所有的偶因数为

（2）正方体8个顶点可连成多少队异面直线？

解析：因为四面体中仅有3对异面直线，可将问题分解成正方体的8个顶点可构成多少个不同的四接直线有3×58=174对.

模式识别篇2

关键词：模式识别；Bp神经网络

中图分类号：TP18 文献标识码：A文章编号：1009-3044(2011)07-1543-03

On BP Neural Network in Pattern Recognition Application

LIN Jia-xiang, GE Yuan

(Information Engineering College, Shanghai Maritime University, Shanghai 200135, China)

Abstract: Pattern recognition technology, widely used in all works. Automatic detection of industrial and medical equipment on the inspection of samples, military satellites detect Police, intelligence has a pivotal role. This article describes the pattern recognition based on BP neural network method. Based on the use of BP Improved neural network algorithm, will be based learning is introduced into pattern recognition, data on the sample study and training, to form a good network Contact, and finally with the already trained network to test the whole process, because to a certain accuracy, to avoid the traditional method of calculating property Weight problems.

Key words: pattern recognition; BP neural network

模式识别作为一门新的学科，从1960年代开始逐渐应用于各科技及工业领域。尤其，人脸识别、声音识别、指纹识别、医学诊断领域的研究应用，使模式识别成为一门热门的学科。模式识别，研究的内容是让机器通过学习自动识别事物。但传统的模式识别方法，很难完成人脸识别、声音识别等需要直接感知外界信息领域的识别任务。因此，近些年来结合神经网络来研究模式识别成为一个新的课题。

神经科学作为一门科学起始于19世纪末。近几十年来，神经科学和脑功能研究的发展极为迅速。人工神经网络由于其自组织和非算法特性，在模式识别应用方面有很大的发展潜力。在神经网络模式识别系统中，用得最广泛的要算是BP神经网络。1986年，Rumelhart等人在多层神经网络模型的基础上，提出了多层神经网络模型的反向传播学习算法，它是基于误差前向传播(Error Back Propagation，简称BP)算法的一种具有非线性连续转移函数的多层前馈网络。BP算法，解决了多层前向神经网络的学习问题，证明了多层神经网络具有很强的学习能力，它可以完成许多学习任务，解决了许多实际的问题。

本文主要介绍BP神经网络在模式识别中的应用，并结合实例予以说明。

1 模式识别概述

1.1 模式识别研究内容

人类在长期的生活实践和科学研究中，逐渐积累起来了通过感觉器官辨别不同事物的能力。例如，人们可以根据物体的形状、颜色、质地、组成以及各部分的结构关系把不同物体区别开来；可以根据人的高矮、胖瘦、性别、年龄、肤色、脸型把不同的人区分开来。人们之所以能进行这样的辨别，重要的原因在于不同事物具有不同的特征，包括物理特征及结构特征。由此使人们想到，如果能把事物的关键特征抽取出来，以不同的特征组合代表不同的事物，并且用适当的让计算机能接受的形式表示出来，这样就有可能使计算机具有识别能力，使它能区分不同的事物。像这样用事物的特征所构成的数据结构就成为相应事物的模式，或者说模式是对事物定量的或结构的描述。由具有共同属性的模式所构成的集合称为模式类，它是一个抽象出各有关模式的共同属性而废弃各具体模式不同属性的分类概念。识别能力原本是人类和其他生物的一种基本属性，人们通过模式感知外部世界的各种事物，这是获取知识、概念和作出反应的基础，是一种思维和抽象过程。而在人工智能或信息科学范畴内，模式识别是指用数学、物理方法和技术实现对模式的自动处理、描述、分类和解释，目的在于用机器部分实现人的这种智能活动，所以在目前模式识别所研究的内容可以分为两类：一是对人类和其他生物识别能力及其机理的研究。二是对满足某些应用需要的识别装置的理论和技术的研究。

前者研究的内容主要涉及神经机理和认知心理等方面，往往是它的研究为后者提供理论基础和模仿的依据。而第二个课题主要是通过工程、计算机和其他信息科学等方面的技术和知识，达到以机器模拟或局部超过人的识别能力的目的。它在技术上的提高不但验证了前者的结论，而且为其进一步的研究提供了手段。可以看出在人工智能或信息科学范畴内，所谓的模式识别（Patten Recognition)是研究一种自动技术，依靠这种技术，机器将自动地把待识别模式根据其特征分到各自的模式类中去。

1.2 模式识别系统的结构

计算机对识别对象进行识别的过程实际上是一个决策过程，它根据一定的识别规则对识别模式的特征进行判定，从而决定它所属的模式类。一个典型的模式识别系统，分别由数据获取、预处理、特征提取、分类决策、和分类器设计五步骤组成。通常一个完整的系统分为两个部分，第一部分是用来完成未知类别的模式分类。第二部分是训练分类器设计，确定分类器各项参数。模式识别系统结构如图1所示。

以下简要说明模式识别系统各组成部分功能：

1）数据提取： 计算机提取的数据通常有三种类型。第一种是一维波型信息，如心电图、气象信息图等。第二种是二维图像信息，如图片、指纹、文字等。每三种是物理参数，如气温参数、水文参数等。

2）数据预处理：计算机对初步提取的数据信息进行去除噪声、复原、提取相关参数信息。

3）数据特征提取：对预处理提取的数据信息，进行变换处理，获取反映分类本质的特征。对原始数据的高维数测量空间，进行转换，形成反映分类识别的低维数特征空间。

4）分类器设计：对特征空间的识别对象进行分类。训练样本，确定分类器判别函数，并不断改进判别函数和误差检验。

2 BP神经网络的模型

2.1 BP神经网络的结构

BP神经网络 (Back-Propagation) ，又称误差反向传递神经网络。它是人工神经网络(ANN)中的一种模型，是利用率很高的一种神经网络，约有80%的神经网络属于BP神经网络。BP神经网络是一种依靠反馈值来不断调整节点之间的连接权值而构建的一种网络模型。图2显示了一个3层BP神经网络的体系结构，它分为输入层、隐含层和输出层，其中隐含层根据具体情况的需要，可以是一层结构也可以为多层结构。

设输入层有n个神经元节点，隐含层有q个神经元节点，输出层有m个神经元节点。利用该网络可实现n维输入向量Xn=(X1,…,Xn)T到m维输出向量Ym=(Y1,…,Ym)T的非线性映射。输入层和输出层的单元数n、m根据具体问题确定，而隐含层单元数q的确定尚无成熟的方法，一般可设定不同的q值根据训练结果来进行选择。

BP神经网络结构(n、q、m)确定后，神经网络还包括的参数有：

wij：输入层第i单元到隐含层第i单元的权重，其中i=1,…,n;j=1,…,q。

wjk：隐含层第j单元到输出层第k单元的权重，其中j=1,…,n;k=1,…,m。

θj：隐含层第j单元的激活阈值，j=1,…,q。

θk：输出层第k单元的激活阈值，k=1,…,m。

以上权重和阈值的初值在网络训练之前随机生成。

f(x)：激活函数一般采用Sigmoid型函数，即f(x)1/[1+exp(-x)]。

2.2 BP神经网络的学习算法

2.2.1 BP神经网络的学习过程

1）输入模式正向传播：输入模式由输入层经中间层向输出层的模式正向传播过程。

2）输出误差反向传播：网络的期望输出与网络实际输出之间的误差,由输出层经中间层传向输入层的误差反向传播过程。

3）循环记忆训练：模式正向传播与误差反向传播的计算过程反复交替循环进行。

4）学习结果判别：判定网络的全局误差是否趋向极小值的学习收敛过程。

2.2.2 BP算法

3层BP神经网络，输入节点xi，隐层节点yj，输出节点zk。输入节点与隐层节点间的网络权值为wij，隐层节点与输出节点间的网络权值为wjk，如图3所示。

当输出节点的期望值为dk时，BP算法如下：

1）隐含层节点的计算输出：

2）输出层节点的计算输出：

输出节点误差为：

3）输出单元的权值对误差的影响：

4）隐含层节点对误差函数的影响：

5）由于权值的修正Δwij，Δwij正比于误差函数沿梯度下降，则有:

6）阈值的修正。阈值θ也是变化值，在修正权值的同时也需要修正，原理同权值修正一样。

输出层阈值修正：θk(t+1)= θk(t)+ ηδk

隐含层阈值修正：θj(t+1)= θj(t)+ η'δj

传递函数f(x)的导数：采用S型函数f(x)=1/(1+e-x)

f'(netk)=zk(1-zk),f'(netj)=yj(1-yj)

以上式子中出现的η（η>0）为学习参数。

3 应用BP神经网络进行字符特征识别的仿真实验

运用matlab7.0建立BP神经网络，并通过样本训练，完成对26个英文字母的识别仿真实验。

3.1 建立BP网络

通过5*7像素的二值数字图像来表示英文字母的对应图像。以字符的35个布尔数值作为BP网络输入。以26个字符的所在位置作为输出向量。现实中的字符图像不一定很精确，所以要求BP网络要有一定的容错能力。

利用newff函数设计一个两层的BP神经网络。以logsig传递函数，建立第一、第二层的神经元。

3.2 训练BP神经网络

设定训练函数和训练样本。先使用无噪声的信号对BP网络进行训练，一直到1000个时间单位和误差小于0.1时，完成BP网络训练。BP网络训练的误差变化情况如图4所示。

再对BP网络进行含噪声的样本训练，重复训练10次。使含噪声样本训练后的BP网络可以准确识别无噪声或含噪声的输入样本。

3.3 进行仿真实验并测试输出

利用输入样本，对BP网络进行仿真。仿真实验测试结果如图5所示。

图5中，虚线表示无噪声样本训练的网络，实线表示含噪声样本训练的网络。从图可以看到，输入噪声指标低于0.1情况时，两个网络对字符识别的能力都很高。当输入噪声指标大于0.1的情况下，经过含噪声样本训练的网络，容错能力比较高。因此，网络训练中增加噪声样本的比重可以提高网络的容错能力。

4 小结

BP(Back Propagation)神经网络,是能实现映射变换的前馈网络中最常用的一类网络，它是一种典型的误差修正方法，具有理论上能逼近任意非线性连续函数的能力，且结构简单，易于编程，在众多的领域得到了广泛的应用。本文应用matlab建立BP神经网络,并通过样本训练，仿真对字符的识别。从中可知，相对于传统模式识别方法，BP神经网络对字符识别准确度高，容错能力强。BP神经网络在模式识别中应用十分广泛，但也存在一些问题有待解决：1）局部极小点问题。BP神经网络不能保证使权值收敛于全局最小点；2）收敛速度问题。对于复杂的问题，网络训练时间较长；3）稳定性问题。增加训练样本，网络对训练好的权值和阈值无记忆能力，要重新开始训练。

参考文献：

[1] Theodoridis S,Koutrourmbas K.模式识别[M].北京:机械工业出版社,2009.

[2] 边肇祺,张学工.模式识别[M].北京:清华大学出版社,2000.

[3] 丁永生.计算智能－理论、技术与应用[M].北京:科学出版社,2004.

[4] 褚蕾蕾,陈绥阳,周梦.计算智能的数学基础[M].北京:科学出版社,2002

[5] 徐宗本,张讲社,郑亚林.算智能中的仿生学:理论与算法[M].北京:科学出版社,2003.

模式识别篇3

关键词：模式识别；教学改革；课堂教学；实践教学

0 引言

模式识别（PaRem Recognition，PR）是指对表征事物或现象各种时间或空间形式的信息进行处理和分析，对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能科学的重要组成部分，在信息化社会的发展中，扮演着越来越重要的角色。

模式识别课程是智能科学与技术专业本科生的专业必修课，是体现智能科学与技术思想的重要课程。与其他智能专业课程相比，它是一门理论性非常强、数学推理与计算能力要求非常高的课程，在学生培养计划中具有举足轻重的地位。模式识别课程在理论学习层面，既有机地结合了学生前期所学的概率论与数理统计、线性代数、高等数学等基础理论知识，同时又为后续机器视觉、智能机器人等课程的学习奠定良好的基础。在实践应用层面上，模式识别课程是一门实践与理论并重的技术科学。理论知识的消化和实践应用，能为学生今后从事智能识别与监控管理、工业无损探伤、生物医学诊断等工作打下坚实的知识基础。因此，在工科类本科生中，如何讲好模式识别这门课程，并且让学生真正地体会与应用模式识别理论，对任课教师来讲既是挑战，也是提升自己专业知识与教学能力的机会。

通过统计分析来自人人网的320篇针对模式识别课程的讨论交流帖我们发现，76%的学生都发出“模式识别难学、枯燥”的感慨，从中可见，“学生难学、教师难教”是目前模式识别课程教学面对的难点。与此同时，现有的模式识别教学模式与教学内容需要在顺应信息时展的大背景下做出合适的调整与改革，尤其是针对本科生的模式识别教学，在课堂教学与实践教学两方面对课程进行全方位的优化建设与实践具有重要意义。

1 课堂教学改革

1.1 问题探讨式课堂教学方法改革

分类（Classification）是模式识别要实现的目标，分类器的设计就理所当然地成为模式识别课程的核心，而在设计过程中，如何确保结构风险最小就成了分类器设计过程中要满足的准则和要求。据此，在课堂教学过程中，引导并启发学生始终围绕一个目标，抓住一个核心，确保一个准则，有目的地以问题探讨的方式揭开每章内容的神秘面纱，使学生学会分析并运用所学内容解决模式识别中的相关问题，是课堂教学方法改革的着力点，具体措施可以体现在以下两个方面。

1.1.1 深入浅出的内容讲解

纵观国内的模式识别教材，其内容组织方式大部分都是从基于概率分析的统计决策分类方法循序渐进到基于样本的线性分类方法，再深入到基于样本的非线性分类方法，再延伸到其他的非监督分类方法。这样的内容组织方式既符合逻辑推理，也给教学带来了更多可扩展的空间。在讲授过程中，我们可以顺其主线，步步进阶。以硬币分类为所要解决的问题为例，其对应的前提条件和解决方法可以在教材Ⅲ中按内容顺序列表（见表1）。

从表1中可以看出，以对硬币进行分类为主线，随着已知条件的改变，分类器设计的解决方法也随之变化。在课堂讲解时，以问题的提出为开端，通过对问题的解决，将每堂课的知识点融会贯通，带领学生深入浅出地理解核心内容，具有积极的意义。

1.1.2 丰富灵活的教学手段

模式识别是一门对数学功底要求较高的学科，尤其是概率论与数理统计、线性代数等理论知识。因此，对于基础较为薄弱的学生，若在课堂上一味地重视数学公式的推导与讲解，难免使其觉得繁杂枯燥，且效果不佳。因此，运用丰富灵活的课堂教学手段，激发学生的学习兴趣，提高其学习主动性，具有重要的意义。可以从以下两方面展开。

1）增加老师与学生之间的互动。

如果将大学生课堂教学看成是照本宣科的模式是大错特错的，随之而来的课堂效果就犹如一堂死水，毫无生气。教师作为课堂的主导者，既需要把握知识的讲解进度与深度，也需要灵活地调动课堂气氛。例如，教师可以通过提问学生的方式帮助学生回顾知识，提出问题；积极诱导学生通过向老师提问的方式，解决难点问题，带动整个课堂思考；通过事实举例教学，引导学生积极讨论，并在讨论中提出问题引发思考。

国际数学教育委员会前主席、数学家Freudenthal有一句名言：“没有一种数学思想，以它被发现时的那个样子发表出来。一个问题被解决以后，相应地发展成一种形式化的技巧，结果使火热的思考变成了冰冷的美丽。”而老师与学生之间的互动，就是带其一起去探索冰冷的美丽后面所激发的火热的思考。这样的教学方式也在众多的理论课程教学中得到推广。

2）充分利用多媒体的教学演示功能。

随着信息时代技术的快速发展，课堂上采用的多媒体教学手段也越来越丰富，如PPT、视频等，都可作为老师传递知识的媒介。多媒体教学相比老师的语言陈述，更加吸引学生的注意。以模式识别的第一章概述为例，什么是模式识别？往往是初次接触模式识别的学生感到非常疑惑的问题。如果仅通过教师举例智能交通的车牌识别、安检系统的人脸识别等模式识别应用实例，学生只会有大概的印象，而难以深入思考。反之，通过播放一段讲授车牌识别或人脸识别原理与应用效果的视频，将会使学生兴致盎然，对获取知识的渴求度也得到极大的提升。

1.2 以应用为主导的课堂教学内容改革

课堂教学，不仅要满足成绩较好的学生对知识的渴求，也要考虑其他学生能否吸收新的知识。与此同时，任何一个科学理论要是脱离了工程实际，对工科学生来说毫无意义。剑招可以生疏，剑法不能忘记。因此，在本科生模式识别课堂教学中，重视学习方法与学习能力的培养，以掌握工程应用为目的，采取科普型的课堂教学内容改革会收获更好的教学效果。

以“支持向量机”内容为例，顾名思义就是通过支持向量来构建分类的机器，而支持向量就是那些决定分类面的少量样本，至于如何求得支持向量构造分类机器，本科学生只需要知其原理即可，重要的是学会应用相关的工具包解决分类问题，如libsvm、svmlight等软件工具包。

2 实践教学改革

2.1 “步步进阶”的实验内容改革

“步步进阶”的实验内容改革，是指在实验内容上采取难度逐级递增，学生自我发挥空间逐级扩大的方式进行部署。基础实验环节主要由老师带领学生熟悉、认识目前已有的各种各样的模式识别软件，并通过学生亲自操作来感受各个软件的特点和优缺点，发表自己的看法和改进的想法。提高实验环节，教师可以让学生根据其已学的知识，从设计贝叶斯分类器开始，到采用svm分类器对数据进行分类实验，并对各种方法的分类效果进行对比分析。开放实验环节，要求学生模仿身边的模式识别应用实例，从数据采集到最后分类器的设计，完成整个模式识别系统的构造。通过这样的实验内容设置，学生会更有目的地寻找解决问题的方法，而在寻求解决方法的过程中，既巩固了理论知识，又培养了工程实践能力。

2.2 “开放自由”的实验模式改革

“开放自由”的实验模式是指在实践过程中，允许学生组成团队、自由选择命题，如以人脸识别、车牌识别、表情识别、目标检测等作为实验主题，通过自己设置的实验环境，搭建实验系统，积极探索解决问题的途径。实验完成过程中，并不要求学生在规定的时间和地点内完成实验项目。

从目前的实践过程中发现，“开放自由”的实验模式能够给学生带来更多自由发挥的空间，能够激发学生更多的创新灵感，对培养学生的团队合作精神和领导能力也大有益处。

3 结语

模式识别篇4

模式识别(pattern recognition)是指对事物或现象的各种形式的（数值的、文字的和逻辑关系的）信息进行分析和处理，并对事物或现象进行描述、辨认、分类和解释的过程，它是信息科学和人工智能的重要组成部分。模式识别研究主要集中在两方面：一是研究生物体（包括人类）是如何感知事物的，属于认识科学的领域；二是如何利用计算机，在给定任务的前提下，研究实现模式识别的理论和算法。第一方面是生物学家、神经生理学家和心理学家的研究内容，后者则是数学家、信息学家和计算机科学家的研究内容。经过几十年来的努力，已经取得了系统和阶段性的成果。

语音识别是模式识别的重要组成部份，它把人类讲的声音、单词和句子转换成电子数据并保存在计算机内。语音是人类之间最好的沟通方式，在现实语言学习环境中，如果学生能够以最为轻松的沟通方式，即语音进行学习交流，则学习的收获将是最大的。使用计算机作为语音输入的难点在于人类语言和多数传统的计算机输入存在巨大差别。计算机程序能够对正确的输入产生一个准确且可预知的答案，而人类语言和所讲出的词汇和句子却不是精确的，甚至是模糊的。每个人的声音不同，相同的词语使用不同的语调、在不同的环境下也会产生不同的意思。即使如此，语音识别技术在近十年来依然克服了不少困难，取得了巨大的成就。

在语言教育中，利用计算机系统和模式识别技术，识别语言教育中学生的读音是否正确，句式发音是否标准，不但能纠正学生的语音，培养学生的语感，增加学习乐趣，还能增强学生在语言学习中的自信心和成就感。

1传统语言教育

在传统的语言教学模式中，教师是教学活动的中心，是教学活动的组织者和实施者，是知识的传授者，学生是知识的被动接受者，媒体是语言教学的工具，教材是语言教学的内容，学生成绩是教师教学水平的反映，课堂作为教学的主要环境则是提供给教师表演的舞台。总体来讲，整个教学活动和教学结构都是围着教学设计而进行，因此，教师的教学水平、教学技巧和教学艺术决定着学生的学习效果，在应试教育条件下表现为学习成绩的好坏，这种课堂教学模式长期以来一直是我国学校教学的主流模式。这种教育模式忽视了学生是语言教育主体的客观事实，使得学生在实际社会生活中很难自由发挥和灵活运用所学知识。

语言教育要求听、说、读、写4个环节缺一不可。在语音教育，特别是英语教育中，读、写环节在整个教育过程中所占比例较重，而听、说则由于多种原因而被忽视。近年来，由于计算机和网络技术的进步，外文电影和语音音频在网络中越来越普遍，很多网站还提供在线广播，大大地缓解了“听”这个环节，但“说”的环节却很难从根本上解决。学生无法确定发音是否正确，以及句式理解和整个语句发音音调是否满足要求，这必然造成所谓“哑巴”英语的普遍存在。在香港和澳门以及台湾地区，英语应用的社会环境客观存在，学生能够将所学语言直接应用到生活中。但大陆恰好相反，尽管大陆地区已经将英语列入中小学的必修课程，但社会使用率依然很低，人们在日常生活中也鲜有人使用英语作为第二语言。学生在学习这门语言时，没有“说”的环境，因而无从知道自己是否能将所学语言准确应用到社会生活中去，相当于是学习了一门“哑巴”语言。

2新一代语言教育系统

新一代语言教育系统最典型的特征就是需要解决两大问题：一是解决学生作为学习的主体；二是解决语言学习环节中“说”的关键环节。另外，也要提供听力资料、多媒体游戏和其它寓教于乐的学习资料

2.1普通语言学习课件

基于互联网络的语音学习课件在网上非常多，简单的如背单词、在线广播、听力测试等。这些学习软件都解决了学生是语言学习主体的问题。不如背单词软件，学生不但可以选择内容广泛的词典进行背诵，如英语四级词典、六级词典、toel词典、gre词典、考研英语词典等，有些还提供英文小说阅读。在阅读过程中，将不认识的单词，利用简单的鼠标点击操作可选入学生自己创建的生词本中。对于生词本中的生词，采用艾宾浩斯遗忘曲线法，要求学生在规

的时间内进行复习，并对学习的单词进行分级管理。

记单词的同时，还可以用图片、语音提示学生，学生能够在较短的时间内记住大量的词汇，不仅仅是记忆字形和音节，还能根据语音和图片联系到词汇所代表的实际意义。

在线广播能够让学生更加便捷地获取最新的经济、文化、政治等社会知识，能使学生迅速地融入到社会生活中去。如英语教学时，有时连教师都难以分辨清楚美式英语和英式英语的发音规则，即使在网上可以查询到相关资料，也很难真正地体会明白。借助于在线广播，这一问题可以轻松得以解决，如果能听懂语言广播，则语言应用必定可以达到新的高度。许多在线网站不但提供音频资料文件，有些还提供讲解，甚至提供英文视频加中文翻译。

上述所讲到的学习课件中，有些是基于windows平台，有些是基于移动平台，如android或apple。这些课件利用网站服务器作为中转站，学生可以在各平台的学习中做到数据同步。

2.2基于模式识别的语言课件

上述所讲到的课件能够推动学生掌握基础英语学习，但不能促使学生很好地应用这些知识。如果有一种软件能够像教师一样随时监督学生学习，纠正学生发音和判定学生回答问题是否准确，必定能提高学生的学习效率。基于模式识别的语言课件可以很好地解决这一问题。

基于模式识别的语言课件其核心功能就是运用人工智能技术识别学生的发音，比如音标和单词的发音、句子的发音、段落的发音、实时场景对话等。语音识别技术实际上已经应用得比较广泛，典型的有google的语音输入法、qq的语音输入等，但将语音识别用于语音教育却少之又少。

如果能够将人脸识别，甚至行为识别结合在一起，则语言教学软件更能将实际问题融入到语言教学中去。由于人脸识别和行为识别需要处理大量数据，加上技术本身的难度，因而限制了其在该领域的应用和发展。随着硬件技术的提高和识别算法的改进，人脸识别和行为识别将成为可能。利用虚拟现实技术，计算机能够根据学习者的表情、声音、行为，识别到准确的思想表达。

2.3rosetta stone

美国rosetta stone语言科技公司是语言教学领域的领先者，它提供包含英语、中文、法语以及其它冷僻小语种在内的30种语言学习课程。和其它语音学习方法不同，该教学软件利用计算机网络技术，使用多媒体技术和人工识别技术，模拟了母语般的学习环境和学习母语的自然过程。在这一过程中，学习者不必切换到熟悉的语音环境，直接利用新学到的知识处理学习过程中所遇到的问题。以这样的方式，它可用超乎想象的速度帮助学习者实现第二语言学习的目标。在整个学习过程中，图像、动画、声音、文字永远联系在一起，学习者通过观看图片或者视频、听标准语音和查看文字提示进行语言学习，像学习母语那样自然而然地学会外语。

听说读写是学习任何语言的标准过程，rosetta stone全面提供听、说、读、写4种语言技能的互动，同时提供预习、练习和测验多种模式，还有游戏、小说阅读等多种互动，为学习增加乐趣。

在听方面：学习者听到的是标准发音，系统平台就如同母语“外教”一样，可以按照要求解读每个单词、短语、句子，以图片的方式解释其意义，还可以放慢语速读出发音。

在说方面：这是该软件最有特色的部分，利用语音识别系统和评测仪，它能够比较准确地识别出学习者的发音与母语发音的区别，并提示学习者重新发音，进一步提高口语水平和实际应用能力。

在读方面：有别于其它软件，系统提供视觉化的图像和与其紧密联系的文字，以游戏的方式要求学习者快速匹配和阅读，能在较短时间内提高学习对文字和句意的理解，增加阅读的乐趣。

在写方面：软件利用键盘输入式和字符块式两种方式进行写作练习，在语音或者图片提示下，自动检查并快速诊断学习者的拼写错误并不断提供更多机会帮助学习者练习，从而提高正确率。

3结语

随着计算机硬件技术和软件技术的提高，模式识别技术在语言教育中的应用瓶颈得以突破，必将在语言教育中发挥更大的作用，而这一作用是传统语言教育无法实现的，它使得学生成为语言学习的主体。借助虚拟现实技术，利用模式识别技术的软件系统，能够提供一个虚拟现实环境，学习者利用此环境，能够感受到现实生活中可能遇到的真实场景，从而更加熟练地掌握和运用所学到的语言知识。

参考文献参考文献：

\[1\]孔菊芳.基于语音识别技术的英语学习网站分析［j］.哈尔滨职业技术学院学报，2012(5).

模式识别篇5

关键词： GIS局放信号 小波去噪 识别方法

GIS局放信号小波分析的原理建立在傅立叶分析的基础之上，在频域和时域这两个方面进行了有效的调整，是对后者分析方法的有效提高。小波分析具有多分辨率的特点，在低频段的区域内可以使用较高的频率分辨率和较低的时间分辨率，而在高频段的区域内则使用较低的频率分辨率和较高的时间分辨，利用该识别模式实现GIS局放信号小波去噪的目的。

一、小波分析的基本原理

小波分析的基础在于小波基原理的应用，世界上第一个小波基是由Strongberg J.O在1982年提出的。小波在变换特征上具有“变焦距”的特征，也就是上面所说的能够根据其自身的特点结合实际环境的要求改变时频窗口的大小，从而改变局部放电信号测试能力的准确度。当频率越来越高的时候，小波的频宽越来越窄，这种特性反应到局放测试中就变成了当噪声频率越高时，小波检测在时间上的跨度上越窄，在空间的跨度上越长，从而可以抓住所检测范围的细小范围，因此，小波在应用上有“数学显微镜”之美誉。

二、信号的小波分解特性

1.小波分解特性的重要性

GIS局放测试得到的信号是离散的，在利用小波原理进行分析的时候必须了解信号在小波原理下的分解特性，这样才能更好地在实践过程中利用小波分析达到GIS局放测试的去噪作用。经过大量的研究表明，在GIS局放过程中背景噪声在所有检测到信号中占了很多一部分，而且形式多种多样，比如说有连续的周期性干扰、脉冲型干扰，还有更多白噪声干扰等。目前来讲，GIS局放信号中的去噪过程主要是指去除白噪声对于信号检测的干扰影响。 背景噪声的干扰加大了局放信号检测的难度。在分析信号的小波分解特性时，我们需要知道局部放电这一物理过程发生时间实际上非常短暂，而且在绝缘材料中的运动模式也非常杂乱无章，这正是局放信号检测的难度所在。小波原理之所以在GIS局放检测中有其独特的魅力，正是因为其局放信号分解的独特性。

2.基于离散小波分析原理的去噪作用

离散小波分析原理是小波分析手段中的重要组成部分，是GIS局放信号检测去噪过程的重要手段。按照时间频率和空间频率的设定值产生的不同作用，离散小波分析可以简单地分为三种类型。

（1）强制型消燥处理方式。从本质原因上来讲，局部放电产生的原因主要有电介质分布不均匀、制造工艺中出现气泡和杂志等。比如在绝缘材料的制作过程中由于不同电介质的膨胀系数不一样，成品出现不同的密度，使部分区域承受的电压不一样。当电压值超过其承受值的时候就导致了局部放电。介质的干扰作用越大，则局放越明显。强制型消燥的处理方式就是人为地去除一些高频率信号的影响，把频段控制在某一区域进行检测，这种方法虽然使观测结果比较集中，但是容易丢失有用的信号。

（2）默认阈值型消燥处理方式。该方式利用检测设备中自带的数据库，通过适当刷选，从而对局放信号进行消燥。该方式比强制型消燥方式更加科学，但是仍然有可能排除掉很多有参考价值的测试信号。

（3）待定值消燥型处理方式。这种方法结合了强制型和默认阈值型的消燥方式，通过在设备上设置多个参考点，用户可以根据自身产品的特性，使用环境的要求等具体情况预先设定参考值的上下线范围，在这一参考值范围内设备根据自带的数据库自动进行信号的消燥作用。这种消燥方式更加科学化，但是对局放测试设备的操作提出了更高的要求。

三、小波去噪模式识别方式

局部放电过程在时间上是非常短暂的，同样，其在空间上运动轨迹也是飘忽不定的，我们需要设定一个坐标性判断其运动模式，才能进一步根据小波分析原理分析GIS局放测试信号的去噪识别方式。

我们以神经网络的局放模式作为特定的例子，简要地说明小波去噪模式的识别方式，该坐标系也是目前运用得最广泛的一种。我们以神经网络系统举例说明小波去噪模式的识别主要是因为神经网络系统是一个高度复杂的系统，从单一的神经元结构分析其功能和结构是十分简单，这好比在整个小波识别模式中的基本单元――小波基一样。小波基在整个识别模式中是结构和功能最简单的部分，也是我们分析小波去噪识别模式的基础。

由此我们可以设想小波去噪识别系统是类似于神经网络的复杂系统，虽然其基本单位小波基的运行是十分简单的，但整个网络系统充满着大量自学习和变化的因素，假设有一个未知信号进入到该系统中，小波去噪模式系统就会根据原有的映射关系，这些映射关系是在长期的自学习和变化中形成的，将该信号分配到一定的输出状态中，从而完成全部输入信号的分配过程。那么在待定值消燥型原则的作用下，一定范畴内的信号在能被收集成为有效的采样点，这一待定值的设定反映在该系统中就是有部分未知信号进入系统中时，即我们所说的背景噪声，将成为无效值而被排除在采样点之外。

四、结语

本文简要地介绍了在小波原则下测试GIS局部放电信号的去噪原理和模式识别方式举例，显然在局放信号的检测中频宽的设定对局放信号检测的精确性起着至关重要的作用，小波去噪的特性能够有效地满足GIS局放信号检测的要求，应该得到我们足够的重视。

参考文献：

［1］胡明友，谢恒茎等.基于小波原则抑制局部放电监测中平稳性干扰的滤波研究.中国电机工程学报，2000.1，VOL20，（1）.

［2］王晓芙等，电力设备局部放电测量中抗干扰研究的现状和展望电网技术.电工技术学报，2000.6，VOL24，（6）.

［3］蔚承英，陈勇刚，杨利平，王国交.基于GPRS和嵌入式计算机的远程监控系统研究［J］.安防科技，2008，（02）.

模式识别篇6

[关键词] 信息安全 活体指纹 应用软件

电子商务利用网络的方便性、共享性拉近了人与信息间的距离，在带来时效性等多益处的同时却加大了系统的不安全感，以往采用的用户名/密码登录模式易引起泄密等一系列问题，寻求有效的识别身份历来是软件安全和保密的难题。指纹辨识虽早有提出，但如何把应用软件和活体指纹识别技术结合，引入先进的加密算法和安全措施，解决系统安全和保密问题，利于稳定、方便、可靠的电子商务平台建设，仍是实际需要解决的一个课题。

一、活体指纹识别模式的引入

随着生物特征识别技术的成熟和成本降低，使指纹识别身份的惟一性，方便性，不可替代性，安全性等特点凸现。指纹识别有单指纹和多指纹之分，前者指单一指纹识别，后者指两个以上指纹识别，识别的渠道可由计算机键盘、鼠标或指纹扫描器上的指纹模式输入口进入系统，由应用软件的相应机制鉴别单指纹或多指纹，随之从网络传输到服务器，以利RSA等算法实现的多位数要求。

活体指纹识别器由感应器件COMS对活体动物血液循环感应，进行1对1或1对多枚指纹图像的比对辨识。获取认证身份的指模时，一旦指纹被扫描入系统，取模过程则处于封闭状态，所取指纹模可保存在加密数据库中供身份认证。指纹感应器需要活体循环感应识别，即使盗取了指模，也不能进入系统。若一定权限的人进行修改或审计时，其指纹提交给系统后，经一系列复杂的指纹识别算法，可在极短时间内认证身份，解决了身份鉴定的一些难题，对使用过程中随机识别更有明显，大有可取代普遍采用的用户名/密码进入模式。

二、身份认证

1.涉密权限特征与身份认定

电子商务系统在买卖双方注册时先保存采集的指纹数据。当注册成功，使用时由指纹鼠标或指纹键盘把指定的指纹送至采集传感器，系统提取访问者身份的指纹特征，通过比对算法与认证Server的数据库中存有的指纹特征进行比对，认证身份。在验证可靠身份的同时，提供可靠的验证数据。在Client端配置有SET或.NET功能的浏览器的PC，便于进行电子商务活动的咨询、选所需产品、认证、准备采购金、交易、购买、要求送货、确认、查询等业务。申请交易的个人、组织、商家、和认证机构、银行间的网上信息交互采用非对称算法，数字签名等多种算法结合，保证身份的真实性和交易信用。

指纹识别的权限按不同的使用权限分类，不同的指纹赋予不同的权限，同一人的多个指纹代表同一权限，符合权限的人员与系统间进行1对1的密级服务。

引入指纹识别的网络软件系统中，不要求建立与密级文件无关人员数据的数据库，可以把涉密人员权限和买卖双方的用户按不同的需求分类，例如，为了叙述方便，把经过简化后的描述表示为:R=f(ui，vj，wk，xl)

式中，ui表示买方或卖方特征码，vj表示系统管理人员特征码，wk表示审计人员特征码，xl表示录入人员特征码，下标i，j，k，l分别为权限的类别数，按涉密的权限划分。由权限的层次确定。

系统做到按权限、指纹特征区分认证机构、银行或商家的系统管理员，录入员，审计员等和卖方业务人员、买方的身份。系统管理员保证系统正常，监测、指纹库中注册的指纹数据和实际相符，维护系统中所有人员的权限数据、用户身份资料数据，系统运行数据，看不到、也不能通过其它方法获得除自己以外的任何密码，不能访问到录入员录入、审计后的信息和买卖方所交互的内容。录入员录入完毕，可重新检查或按照需要编辑、修改，一旦正确提交给系统后便不允许再次访问。录入完的资料一经审计员审查正确无误，则可按不同密级加密存入密文资料数据库，审计完后的正确资料审计人员也不能再次访问，除非在要求资料修改、更新数据的审计时。

2.密级内容保护与使用

在同一LAN内共享密级文件，满足同密级人员并行使用，缩短了密级文件的传递、流转时间，减少了密级文件在一一传递过程中的遗失、泄密。

对远程密级数据传输，如WAN(Wide Area Network)或专线方式，利用非对称加密传输，文件落地时在当地密级服务器中解密，在LAN内实现密级共享。

硬件系统、OS和DB满足National Computer Security Center(NCSC)定义的C2级安全性。网络环境、控制技术、整体设计与网络应用软件密级高于C2级，多极限制，采用RSA非对称和散列对称加密算法结合、指纹识别和数字签名算法DSA认证等技术，融入其他先进技术，加大或提升系统原有的附加价值，创新出新系统、新产品。底层和后台应用程序，指纹加密数据库、加密权限库、密文内容分类库、远程传输加密协议，都按先进的算法设计，对网络密级(LAN，WAN)，OS、服务器的密级，DB密级，应用软件密级，内容密级，涉密人员密级能做到按权限、密级合理管理。个人指纹取样在个人的手指上，可根据不同的比对区分，具有不可替代性，使Copy取样无效。由于圈定涉密人员范围与权限，按时间区间控制涉密范围，如发现非涉密或其他人员企图进入系统，便会自动切断系统并报警。

三、软件实现

当指纹注册时，按使用和建立两大类设立不同类型的人员ID，ID注册身份的指纹数据随机建立，可设相应特征位分类，ID由认证Server的存储设备记忆。在需要进入系统时，只要输入活体指纹，由系统的指纹输入器按照指纹的特征数据，找出对应的ID，利用网络软件系统进行相应的指纹识别。代替了过去的口令或密码操作，具有方便性，不会出现忘记密码的烦恼。

网络软件系统对涉密人员和买或卖方的权限一一约定。假设网络软件系统中，密件的内容分为5级，则卖者或买者及各涉密人员的权限限制如下表。

根据实际需求确定权限，注册指纹、确认身份、分配ID。对指纹图纹数据库加密，用户身份资料数据加密。指纹特征参数的描述以指纹识别算法使用所取得的指纹纹线形态，并用指纹模型库和分类库中的权限类别进行分析和识别。指纹按权限分类，不同权限下的检索权限，按类似于表1的权限限制分类，可分为1，…，i，…，n级。由不同权限的管理者或审计人分配密级权限，权限的层次结构、涉密资料的分类目录管理按保密要求或行业或专业目录分类，并按时间序列提供最新的密级别类区分，对业务、管理环节投入研究，规范作业方式后应用于软件系统。由于整个过程处于加密全封闭管理，对身份、数据和信息的建立入口，服务出口的安全至为关键。建立入口包括按权限录入、修改、审计、审计修改、更新、存档等。出口包括按权限查询、提交更正，合法身份等。身份或信息资料的用户建立、注册的逻辑机制和查询安全实现的部分逻辑机制如图所示。

活体指纹数据一旦被系统捕获，则自动建立一个模拟数据，此数据要转换成数字形式，才能被识别。当基于用户服务技术设计一个生物辨识应用程序时，系统采用服务器控制平台与网络和各Client端所组成的系统安全策略，平台、网内各Client端有各种密级限制，任何密级内容不能复制和在Client端保存。专人进入服务器控制平台时进行监控，指纹登记，审计。系统的审计功能对系统管理人员屏蔽，运行时所有人员按权限限定范围。

远程Client端验证指定身份、资料和数据信息时，经加密传输后，对过程中的指纹识别以单元信息和Server间经常监测指纹相符为判定条件，当提示要求提交指纹时，则应提交指纹，系统快速判断，保证继续。若结束本次操作，则自动关闭系统，记录开始、结束时间，数字签名或指纹验证。

四、结论

电子商务引入指纹识别后，有指纹识别入口的电脑都能直接连入系统吗？否。因为要现场注册才行。利用带有活体指纹识别的电脑经扫描进入电子商务软件系统，只是把注册人的指纹图纹线形态身份加密保存，按安全和保密权限认证，进行加密，识别，比对，判别，确认，执行等各环节。由于成本原因，目前并未做到不经应用软件和相关算法、协议处理就能进入系统的程度。此系统除用于电子商务的身份认证外，也可用于军事、经济、金融、情报，公安、政府等机要部门和高考阅卷、录生，汽车防盗等场合。随着技术不断进步、成本降低和用户的需求，电子商务指纹识别软件系统的应用会越来越广。

参考文献:

模式识别篇7

关键词：语文教学 模式识别解题

在语文教学中，经常会碰到这样的情况：教师自以为已讲清楚了一个知识概念，然而一旦放手让学生运用这个知识概念解决具体问题时，依旧会产生辨识不清因而难以解题的窘境。问题出在我们分析归纳一个知识点的时候，往往是从认识的角度去定义这个问题，较少从方法的角度去寻找运用的抓手。学生在解题时，没有一个可参照的模式，自然会失去解题的方向。

语文教学囿于学科的特性（工具性和人文性），较少有数学那样成熟的解题思想方法，比如模式识别的解题策略。模式识别解题策略体现了化归的思想方法，所谓化归是指问题之间的相互转化，即想要解决问题A，可将它转化为解决问题B，再利用解决问题B的解答去完成问题A的解答。将一个问题转化为另一个问题，将问题的一种形式转化为另一种形式，由此将复杂的问题化为简单的问题，把陌生的问题转为熟悉的问题。将复杂的问题化为简单的问题，容易把握；把陌生的问题转为熟悉的问题，易于牢记。就此形成一个模式，作为辨识同类问题的参照，进一步联想曾经解决过的问题路径，采取相应的方法来解题。

虽然语文和数学属于两种不同类型的学科，但不妨语文教学可借用数学化归思想方法来解题。

例一：“象征”。对于“象征”这个较难理解的问题，可将它转化成较易理解的“双关”问题解答，利用解答“双关”的问题，完成对“象征”问题的解答。比如史铁生的散文名作《合欢树》，“合欢树”有象征意义，因为“合欢”二字双关：既是一种树木的名称，又有相爱的人欢聚之意。作者期盼有朝一日能和母亲一起享受自己成功的快乐，可如今在“我”成功之日，特别想与母亲（昔日一直为他的身体和文学创作辛勤操劳）共享快乐时，母亲已不在人世，以此折射出作者内心深处的愧疚与悲伤。

由于“象征”和“双关”之间有着内在的密切联系，即用具体的事物表现某种特殊意义，因此把“双关”作为“象征”的一个重要属性记忆，就能识别和解决其他作品中出现的“象征”问题。例如茹志鹃的小说《百合花》，“百合花”具有“象征”意义，因为“百合”一词“双关”：既是一种植物的名称，又是“象征”了纯洁的情感，是通讯员和新媳妇的美之化身，他们的品质和心灵就像百合花一样洁白无暇，当然也有因为不能百年好合而带来的感伤。再如舒婷的诗《双桅船》，“双桅船”是一种“象征”：它既是一艘带着“双桅”的船，又是借用“双桅船”这一具体形象，来表现诗人自己对爱情与事业双重的心态与复杂的感情。

例二：“寓言说理”。因为“寓言说理”涉及到“寓言”，比较复杂，所以可将它转化为较为简单的“托物言志”来解答。“托物言志”就是通过对“物”（人物、事物）的描写与叙述，表现作者的思想。例如柳宗元的《种树郭橐驼传》，通过记叙郭橐驼所说的种树之道，表达了按客观规律办事的思想，并因此借题发挥，指出为官治民也应顺应“顺木之天，以致其性”的法则，抨击了中唐吏治扰民伤民的弊端，反映了作者同情人民的思想和改革政治的愿望。将《种树郭橐驼传》的“寓言说理”，转化成“托物言志”的解答，从而解决“寓言说理”的问题：就是通过简短故事的描述反映作者所要表达的思想。以此运用于庄子的《秋水》（节选）的解题：《秋水》（节选）描写了河伯和海神的对话，阐述了“山外有山，天外有天”；“人生有涯而知无涯”；“要谦虚，不能自满”等的思想。美国作家房龙的《序言》则是通过叙述一个漫游者的遭遇，表达了对于异见需要宽容的道理。

例三：“起兴”。“起兴”就是“先言他物以引起所咏之辞”。但这样的解答对于一般学生来说比较陌生，可将此转化成熟悉的“伏笔”问题解答。“伏笔”有许多实例，比如法国作家莫泊桑的短篇小说《项链》，就有好几处“伏笔”，暗示玛蒂尔德借用好友佛来思节夫人的项链是假的：其一，它混杂在众多的饰物当中，而且好友很爽快地就把玛蒂尔德认为的名贵项链借与她；其二，这串价值昂贵的项链居然没有与之相配的盒子；其三，当玛蒂尔德忐忑不安地将替代项链还给佛来思节夫人时，她竟然看都不看。再如美国作家欧・亨利的短篇小说《最后的常春藤叶》：画在墙上的叶子竟然未被年轻画家琼珊看出，其实有着诸多原因：如琼珊患肺炎病得厉害，她正发着高烧，卧病在床；墙上的画叶距离她比较远，在二十英尺外（六米多）；老画家贝尔曼用心作画，非常逼真等。最后结局的出人意料又在情理之中，正是“伏笔”的妙用。“先言他物”有“伏笔”的属性，起到暗示和联想的作用。比如《诗经・关雎》以“起兴”开头，“关关雎鸠，在河之洲”是为紧接着的“窈窕淑女，君子好逑”作“伏笔”：以“雎鸠”雌雄在一起的和谐，暗示君子淑女的匹配。通过解答“伏笔”的问题，解决了“起兴”的问题。又如“孔雀东南飞，五里一徘徊”是“起兴”，因为孔雀是雌雄两个前后一起飞的，如果失去了其中的一个，另一个就会发出悲鸣，以此联想刘兰芝和焦仲卿的悲剧命运。而《诗经・蒹葭》的“起兴”，则以最能代表深秋悲凉气氛的白露蒹葭作为“伏笔”，暗示并联想人物凄清、惆怅和寂寥的心境。

模式识别篇8

一、模式识别理论的数学教学涵义

模式识别是主体将新问题的模式与自身的知识结构中固化的关系或结构进行最佳匹配的过程。要达到这一过程首先要求大脑储存的东西量大质优，光存有课本上的定义、定理、公理、公式，只能按原始联想，套公式，“模式识别”的机会就不多。要把定理之外略带招数的基本问题，或从定理引申出来的基本问题也存进去。这就是说要注意积极积累模式。这样在解决问题时，就有可能认出问题中包含的一个个基本问题.模式既是知识又是策略，这两重性决定了它是从基本知识过渡到思维的桥梁。模式不是由数学家总结出来的，而是根据思维实践的需要确定的。在解决问题的过程中多次使用它，自然引起重视并概括成模式。其次，对于模式识别，同问题的复杂程度有关。就几何图形模式而言，是否常态图形，是否变态图形，是否夹杂无关因素或缺乏有关因素，是否有图形交错重叠或隔开等，这些都会给模式识别带来不同程度的影响。因此，要正确而迅速地进行模式识别，需要提高对问题的概括能力，善于舍弃非本质因素，摆脱无关因素的束缚和干扰，将有关因素组织起来，从不同的角度和各种关联中去进行考察，抽取与模式有关的本质特征，有效地进行模式识别。

二、在数学教学中培养学生模式识别能力的具体途径

（一）变式训练

在教学过程中注重变式，可以促进学生的思维向多层次、多方向发散，帮助学生在问题解决的过程中寻找类似的问题的思路、方法，有意识地展现教学过程中教师与学生数学思维活动的过程，促使学生模式识别能力的形成，培养学生独立分析和解决问题的能力，同时变式训练也可以避免“题海战术”。

万变不离其宗，在教学过程中通过对问题从不同角度、不同层次、不同情形、不同背景做出有效变化，使其条件或形式发生变化，而本质特征都不变，所以变式不是盲目的变，应抓住问题的本质特征，遵循学生认知心理发展，根据实际需要进行变式，实施变式训练应抓住思维训练这条主线，恰当的变更问题情境或改变思维角度，培养学生的应变能力，引导学生从不同途径寻求解决问题的方法，促进其解题模式识别能力的提高。

1.通过变式训练培养学生解题的模式识别能力

对一道题适当的演变、引申、推广，不仅能提高学生的应变能力、探索能力，还能激发学生的思维广阔性、发散性，使学生从不同的角度去观察问题、思考问题，从而提高学生思维的整体性、严密性，培养学生解题的模式识别能力。数学题是千变万化的，只靠“类型+公式”的方法是不够的，而数学考查的重要目标是能力考查，尤其是掌握数学思想和运用数学方法的能力，而掌握这种能力必须具备一定的模式识别能力，要提高这一能力的有效方法就是进行变式训练的题组教学。

2.在变式训练中选择题目时应注意的几个问题

（1） 题与题的联系要有差异性

设计数学变式，要强调一个“变”字，避免简单的重复，变式题组的题目之间要有明显的差异.对每道题，要使学生既感到熟悉，又感到新鲜.从心理学的角度看，新鲜的题目给学生的刺激性强、学生的神经兴奋度高、做题时注意力集中、积极性大、思维敏捷，使训练达到较好的效果。

（2） 选择题目时要逐一增加难点——层次性

所设计的数学变式要有一定的难度，才能调动学生积极思考。但是，变式要由易到难，层层递进，让问题处于学生思维水平的最近发展区，充分激发学生的好奇心和求知欲，要让学生经过思考，能够跨过一个个“门槛” 。

3.明确变式中的“变”与“不变”

通过变式训练，把看似枯燥的问题通过层层解析，展现出其本质，通过对结论进行联想、分析、探索，最终一一推导出隐含的有意义的结论。通过改变条件，发掘由不同条件可以得出相同结论的找出不同知识之间的联系和规律，也可以通过结论与条件的互换理解原命题与逆命题之间的关系，加深对真假的辨析能力，更重要的是通过变式教学，培养学生敢于思考、敢于联想，对提高自己的能力有着重要的作用，特别是模式识别能力。

（二）对数学问题“逐级概括”

1.重视引导学生进行知识技能的概括总结

对知识、题目、技能的归纳总结过程，是将书本由“厚”变“薄”的过程，即将零乱无章、各显纷呈的知识条理化，概括为体现本质的、带有规律性的结论.目前，有些学生为了应付考试，盲目地陷入题海，仅满足于解出某道题，而没有透过这道题总结、归纳出这类题的解决方法，提示其规律，结果题目做了不少，但解决问题的识别能力未得到应有的提高。

2. 教师要明确新旧知识、以及它们之间的联系

教师要知道当前问题的新知识是什么，旧知识是什么，新旧知识之间的联系与区别是什么，学生当前要掌握的东西是什么，学生当前的思维水平怎么样，接受新知识的难点是什么，怎样将新旧知识连在一起，穿成一串，教师不仅要知道这些事情而且应该合理的设计层层递进关系，实现逐级概括，最终达到提高学生模式识别能力的素养。

（三）分析试题与教材、典型题的关系

要注意挖掘教材上的例题、习题的潜在功能。实际上，相当多的试题都可以在教材中找到它的原型，因此，立足教材挖掘和发挥教材的例题、练习题的潜在功能是编选练习题要注意的问题之一。

教材上的许多问题、习题往往隐含一些学生尚未发现的“奥秘”。而这些“奥秘”又是学生对所学知识拓展引申的关键。因此，教师要善于通过编选一些练习题作为学生探询这些“奥秘”的拐杖，引导学生向更高更广的层次去联想，纵横引申，把所学的知识在更大的范围内进行归纳、演变，使知识形成一个更加完整的网络，使例题、习题中的方法形成一个更加灵活的能够举一反三的数学方法。

三、模式识别的误区