模式识别技术的应用以地图模式识别为例。地图模式识别是指计算机对地图的识别和理解，借助于一定的技术手段，计算机可以对地图上的各种模式信息进行研究和分析，以获取地图要素的质量意义。计算和处理的过程类似于看地图。
模式识别是近年来地图学领域的高新技术，是信息时代人工智能和模式识别技术在地图学中的具体应用。地图模式识别遥感技术和地理信息系统被称为现代地图学的三大技术，是传统地图学向数字地图学过渡的桥梁。
目前，地图模式识别因其广泛的应用价值和发展潜力，越来越受到重视。尤其是在不断完善的今天随着计算机及其外部硬件环境和科学技术的发展，对地图模式识别的研究越来越多。因此，国内外许多政府机构、公司、大学和研究机构都致力于这项研究。
比如国内很多单位也在从事地图模式识别的研究，如武汉测绘大学的李德仁和陈晓勇 CCD扫描等高线图自动格网-矢量转换方法(1991)，国家自然科学基金项目。西安电子科技大学赵书罗等承担了国家“十五”攻关课题。地图的计算机识别、理解和描述其研究成果于1991年通过了技术鉴定。上海交通大学图像处理与模式识别研究所于等人承担了地图和图形的计算机识别受国防科学技术工业委员会委托，取得了一定的研究成果。1990年，他们开发的系统在北京展出。华北计算技术研究所方家宏、刘景超，军用地图中非线性要素的自动识别(1990)。近几年国内也有一些商业化的系统，比如清华 ANN05.2彩色图形图像创作与发布系统，是以工程图纸矢量化为核心的图形识别软件。它能把输入计算机的各种工程图转换成CAD系统可接受的文件格式，识别八种线宽，分离圆、弧、数字和字符，滤波、降噪，提取直线，分离弧和识别图形，拼接编辑扫描输入图像。
随着模式识别在气象领域的应用，卫星云图在灾害性天气预报中的重要性已经成为气象学家的共识。如何从云图中提取有用的信息并实现计算机处理是该系统首先要解决的问题。将数学形态学与句法模式识别相结合，将云系结构与天气系统联系起来，实现了对台风过程不同阶段云系发展演变特征的计算机分析和识别。螺旋云带、密集云墙和台风眼。
近年来，计算机数据模拟已成为气象学领域的主要方法，并取得了许多有价值的成果，如气候成因模拟和厄尔尼诺现象模拟。但在灾害性天气的模拟中，有两个问题，有些过于复杂。比如暴雨。很难建立合适的仿真数学模型，有些过于复杂，无法设置一系列参数。比如台风。所以执行难度大，进展不明显。从实际应用的角度来看，人们不不一定要知道一些流程开发的细节，只要知道并掌握一些关键点就可以了。就台风路径而言，如果能知道台风路径什么时候会异常，什么时候会突然转向这两个关键问题，台风路径的其他问题就不那么重要了。在这种情况下，基于目标系统模型的计算机定性仿真可以充分发挥其作用。
模式识别的一个重要应用是语音识别。语音识别意味着计算机可以理解人们所说的话。一个重要的例子是七种语言(英语、日语、意大利语、韩语、法语、德语和汉语)的自动口语翻译系统。其中，实验平台的中文部分设立在中国科学院自动化研究所模式识别国家重点实验室，这是口语翻译研究走向世界的标志的领先水平。该系统实施后，当人们出国预订酒店、购买机票、在餐馆交谈和兑换外币时，只要使用电话网络和互联网，就可以用手机和电话与外国人交谈。
随着语音识别技术的发展，特别是中小词汇量的非特定人语音识别系统的识别准确率达到98%以上，特定人语音识别系统的识别准确率更高。这些技术已经能够满足普通应用的要求。随着大规模集成电路技术的发展，这些复杂的语音识别系统可以制成专用芯片并批量生产。在西方发达国家，大量的语音识别产品已经进入市场和服务领域。-一些用户。电话、电话机、手机已经包含语音识别和拨号功能，语音记事本、语音智能玩具等产品也包含语音识别和语音合成功能。人们可以通过电话网络语音识别口语对话系统查询机票、旅游、银行信息，并获得良好的效果。统计表明，多达85%的人对语音识别的信息查询服务系统的性能感到满意。
当然，模式识别的应用范围不仅仅是上面提到的这些，从上面的例子不难发现，模式识别在我们身边所占的比重越来越重。
模式识别技术发展人工智能对社会的影响可以通过回答以下两个问题来衡量：人工智能产品对社会的好处，有多少东西是人工智能的产品。
人工智能技术已成功应用于工业，尤其是制造业。包括智能设计、虚拟制造、柔性制造、敏捷制造、在线分析、智能调度、仿真和规划等。大大提高了生产效率。人工智能对经济和金融的影响，专家系统的广泛使用功不可没。据估计，通过这项技术，全世界每年可以节省超过10亿美元。
例如，股票交易商使用智能系统来辅助他们进行分析、判断和决策，信用卡欺诈检测系统被广泛使用。人工智能也已经渗透到了人教育、医疗、通讯等日常生活。我们亲眼见证和体验了智能科技给我们日常生活带来的深刻变化。它使我们身边无处不在的计算机系统拥有灵活友好的智能用户界面，使计算机与人的交流更加容易和自然。带有嵌入式计算机的家用电器的智能化和自动化将我们从琐碎的家务劳动中解放出来。人工智能技术帮助我们开展医疗保健，丰富儿童教育，帮助我们在浩瀚的互联网中找到真实有用的信息，成为一个默默无闻的助手。它改变了传统的交流方式。
除此之外，现在模式识别在各个领域的应用已经取得了很好的效果，所以模式识别在其他国家也应用在各个领域，方便人们的生命。
基于知识的模式识别系统的出现和不断发展，标志着模式识别方法更加智能化，是越来越受到重视的发展方向。
模式识别方法1、决策理论方法
又称统计方法，是较早也是较成熟的方法。被识别的物体首先被数字化并被转换成适于计算机处理的数字信息。模式通常由大量的信息来表示。很多模式识别系统在数字化后还会进行预处理，去除混杂的干扰信息，减少一些失真和畸变。然后，进行特征提取，即从数字化或预处理的输入模式中提取一组特征。所谓的特征是一种选择的度量，对于一般的形变和扭曲保持不变或几乎不变，只包含尽可能少的冗余信息。特征提取过程将输入模式从对象空间映射到特征空间。此时，图案可以由特征空间中的点或特征向量来表示。这种映射不仅压缩了信息量，而且便于分类。特征提取在决策理论中占有重要地位，但目前还没有普遍的理论指导，只能通过分析具体的识别对象来决定选择哪种特征。特征提取后可以分类，即从特征空间映射到决策空间。因此引入了判别函数，从特征向量中计算出每一类对应的判别函数值，通过比较判别函数值进行分类。
2、语法方法
也称为结构方法或语言学方法。其基本思想是将一个模式描述为更简单的子模式的组合，子模式可以描述为更简单的子模式的组合，最终得到一个树状结构描述，最底层的最简单子模式称为模式原语。句法方法中的原语选择问题等价于决策理论方法中的特征选择问题。通常，选择的原语需要提供模式的紧凑描述，反映其结构关系，并且易于通过非语法方法提取。显然，原语本身不应该包含重要的结构信息。模式是由一组基元及其组合来描述的，称为模式描述语句，相当于语言中句子和短语中的单词和字符的组合。基本元组合成模式的规则由所谓的语法指定。一旦识别出原语，就可以通过句法分析进行识别过程，即分析给定的模式语句是否符合规定的语法，满足一定语法的归入该类别。
模式识别方法的选择取决于问题的性质。如果识别的对象极其复杂，包含丰富的结构信息，一般采用句法方法；被识别的对象不是很复杂或包含明显的结构信息，一般采用决策论方法。这两种方法可以不要完全分开。在句法方法中，原语本身由决策理论提取。在应用中，将这两种方法结合起来，应用到不同的层面，往往能收到良好的效果。
标签：系统模式识别计算机