(完整版)模式识别的研究现状与发展趋势

模式识别的研究现状与发展趋势

摘要：随着现今社会信息技术的飞速发展,人工智能的应用越来越广泛,其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景

Abstract：In the modern society with the rapid development of information technology,the application of a rtificial intelligence is more and more extensive,among them pattern recognition is one of the ap ply of artificial intelligence.And now the application of pattern recognition is also more and more to get everyone's attention and support,in various aspects have significant progress.Pattern rec ognition has become an integral part of people around.

Keywords:Artificial Intelligence,Technology,Pattern Recognition,prospects

一，引言

如今计算机硬件的高速发展,以及计算机应用领域的不断开拓,人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说,目前一般计算机却无法直接感知它们,我们常用的键盘、鼠标等外部设备,对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换,并与计算机联机,但由于识别技术不高,而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下,成为开拓计算机应用的瓶颈,也与其高超的运算能力形成强烈的对比。于是,着眼于拓宽计算机的应用领域,提高其感知外部信息能力的学科———模式识别,便得到迅速发展。

人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式,是对人类感知外界功能的模拟,研究的是计算机模式识别系统,也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。

二，现状

以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解,并借助一定的技术手段,让计算机研究和分析地图上的各种模式信息,获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。

地图模式识别是近年来在地图制图领域中新兴的一门高新技术,是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁,因此,地图模式识别遥感技术、地理信息系统一起,被称为现代地图制图的三大技术。

目前,地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高,科技不过发展的情况下，

从事地图模式识别的研究也越来越多。因此在国内外都有许多政府机构、公司、大学、研究所正在致力于这方面的研究。

例如国内的许多单位也在从事地图模式识别方面的研究,如武汉测绘科技大学的李德仁、陈晓勇的CCD扫描等高线图的自动栅格一矢量转换方法(1991),该课题是国家自然科学基金资助项目。西安电子科技大学的赵树萝等人承担的“地图的计算机识别、理解与描述”的国家科研任务,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的余松煌等人承担的国防科工委下达的“地图图形计算机识别”的课题,取得了一定的研究成果,1990年在北京展览了他们所开发的系统。华北计算技术研究所的方家哄、刘景超的军用地图非线状元素的自动识别(1990)。近年来,国内也有一些商品化的系统出现,如清华大学的ANNO5.2彩色图形图像创作出版系统，它是以工程图矢量化为核心的图形识别软件，能将各类输入计算机的工程图转换成CAD系统可接受的文件格式,能识别8种线宽,分离圆、圆弧、数字和字符,可做滤波、降噪音、直线提取、圆弧分离和识别图形等,能对扫描输入图像进行拼接和编辑。

以模式识别在气象领域应用，卫星云图在灾害性天气预报中的重要性已成为气象工作者的共识。如何从云图中提取有用的信息,实现计算机的加工处理,是本系统首先要解决的问题。我们采用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,实现了台风过程不同阶段云系发展演变特征的计算机分析识别。螺旋云带、密蔽云墙和台风眼是构成

近年来计算机据仿真已成为气象领域的一种主要方法,已经取得了不少有价值的成果,如气候成因仿真和厄尔尼诺现象的仿真等。然而在灾害性天气的仿真中出现了两方面的问题,有些由于情况太复杂..如暴雨..,难于建立合适的仿真数学模型,有些又由于数学模型太复杂,一系列的参数很难设定..如台风..,因而实施有困难,进展不明显。从实际应用的角度,人们对一些过程发展的细节不一定必须了解,认识和把握某些关键就可以了。就以台风路径而言,如果能够了解在什么情况台风路径将出现异常、何时将突然转向这样两个关键问题,台风路径的其它问题就显得不那么重要了。以目标系统模型为基础的计算机定性仿真正好在这种情况下可充分发挥其作用。

模式识别中的一个重要应用是语音识别。语音识别就是让计算机能听懂人说的话,一个重要的例子就是七国语言(英、日、意、韩、法、德、中)口语自动翻译系统。其中,中文部分的实验平台设立在中国科学院自动化所的模式识别国家重点实验室,这是口语翻译研究跨入世界领先水平的标志。该系统实现后,人们出国预定旅馆、购买机票、在餐馆对话和兑换外币时,只要利用电话网络和国际互联网,就可用手机、电话等与“老外”通话。

语音识别技术发展到今天，特别是中小词汇量非特定人语音识别系统识别精度已经大于98％，对特定人语音识别系统的识别精度就更高。这些技术已经能够满足通常应用的要求。由于大规模集成电路技术的发展，这些复杂的语音识别系统也已经完全可以制成专用芯片，大量生产。在西方经济发达国家，大量的语音识别产品已经进入市场和服务领域。一些用户交机、电话机、手机已经包含了语音识别拨号功能，还有语音记事本、语音智能玩具等产品也包括语音识别与语音合成功能。人们可以通过电话网络用语音识别口语对话系统查询有关的机票、旅游、银行信息，并且取得很好的结果。调查统计表明多达85％以上的人对语音识别的信息查询服务系统的性能表示满意。

当然模式识别所应用的范围不单单只有上面那些，不过从上述的例子应用中不难发现模式识别在我们身边的比重越来越重了。

三，发展趋势

人工智能对社会的影响可以通过回答这样两个问题来衡量：人工智能产品对于社会的好处，有多少东西是人工智能的产物。

工业领域尤其是制造业,已成功地使用了人工智能技术。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,这些都大大提高了生产效益。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。据估计全世界通过这项技术每年可节省10亿美元以上。

例如,股票商利用智能系统辅助其进行分析、判断和决策,信用卡欺诈检侧系统得到普遍应用。人工智能也渗透进了人们日常生活,如教育、医疗和通信我们已经亲眼目睹、亲身体会到智能技术给日常生活带来的深刻变化,它使得我们周围无处不在的计算机系统具有灵活而友好的多种智能用户界面,使计算机和人的交流更为容易和自然。带有嵌入式计算机的家用电器的智能化和自动化,把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进行医疗保健帮助我们丰富儿重教育,帮助我们在浩如烟海的因特网中寻找真实、有用的信息,成为默默无闻的好助手它改变了传统的通信方式语。

还有模式识别在各个领域的应用现在也取得较好的成绩，因此模式识别也别各国重点应用在各个领域当中，方便人们的生活。

以知识为基础的模式识别系统的出现和不断发展,标志着模式识别方法的更加智能化,是日益受到重视的发展方向。

四，结论

模式识别是一门理论与实践紧密结合的学科，教与学的方式值得我们研究和探索。还可以看出模式识别具有相当大的前景，而且模式识别的应用得到越来越多的人的支持，而且它的成效也十分显著。因此它也得到各国的重视，正因各个单位集体对人工智能的模式识别给予相关的重视，模式识别技术在现今社会也能快速发展。当然，现在的模式识别还不算真正完整，不过人类科技的技术是不断发展的，相信总有一天人工智能中的模式识别会真正融入我们的社会，成为我们人类不可或缺的一部分。

模式识别与智能信息处理

该方向致力于模式识别的基础理论及其在图象视频信号处理中的应用研究，运用数学和信息科学的理论与方法，从信息处理的角度，研究模式信息处理的机理、计算理论和算法，使计算机实现类似于人的视觉能力。研究数字图象和视频信息的检测、分析、传输、存储、压缩、重建等关键技术，在提出创新理论与算法的基础上，设计、研制和开发实用的高性能模式识别、图象视频处理以及医学图象处理的计算机应用系统。

计算智能与智能系统

本方向致力于生命计算学与人工智能系统的研究。生命计算学是计算智能概念的泛化，包括人工智能中的符号计算学和神经计算学，以及遗传算法、进化计算和DNA计算等；人工生命系统是智能系统概念的泛化，包括智能信息处理系统、智能控制系统、机器人、细胞自动机等。该方向致力于模拟自然生命系统中信息与控制的规律，特别是生命的自组织、自学习、自适应、自修复、自生长以及自复制的基本特性，以及感知、知觉、认知、判断、推理、思维等智能行为；以“计算”的形式表现智能，以人工生命系统实现智能，并将其应用于模式识别与图象处理、复杂动态系统建模、仿真与控制等领域。

智能信息与控制

控制论是“研究信息与控制一般规律的科学”，“信息与控制”是控制论的核心。在控制论思想中，“信息与控制”是生物系统和人工系统共有的特性，模拟生物智能，是控制论的基本思想。“信息”、“控制”、“智能”、“生命”四个基本的概念，构成了控制论科学的全部基础。“智能信息与控制”是研究自然生命与人工系统中信息与控制一般规律的科学。“智能信息与控制”方向以人工智能、控制论、系统论和信息论为理论基础，以计算机技术、电子技术和通讯技术为技术手段，以复杂演化系统为对象，类比自然生命与复杂演化系统中信息与控制的一般规律，研究面向复杂演化系统的智能控制原理和方法，并将这些规律、原理和方法应用于复杂系统的建模、仿真与控制。

智能控制理论、方法及其应用

该方向致力于具有多种复杂性和多级或分散信息结构的大规模控制系统研究。运用人工智能、计算智能（包括模糊逻辑、神经网络和进化计算）等理论与方法，结合现代控制理论（如鲁棒控制、自适应控制、变结构控制等），研究智能递阶、分散控制或优化调度系统。主要包括：基于模式分类、计算智能和知识工程方法的大规模复杂系统的综合集成建模；基于计算机视觉的生产过程质量监测与优化控制；基于知识和模拟进化方法的多分辨率建模及模型的聚合/解聚和平滑一致性转换技术；智能控制系统的结构性质（如稳定性、能控（能观）性、自主性等）的研究；智能系统的整体优化方法及自组织保优机制的研究；基于Agent技术的开放复杂巨系统的智能优化控制与决策；网络环境下的智能自动化理论与技术；基于现场总线技术的计算机控制与管理；离散事件和混杂系统的优化控制方法；在多种复杂性（如不确定性、非线性、参数时变、时滞等）融合条件下的非良定对象的知识基模型集成与智能优化控制策略和实现方法。

语音信号处理及应用

语音信号处理是当今信息科学研究领域中的一个重要分支，它是将数字信号处理与语音学相结合，解决现代通信领域中人与人之间、人与机器之间的信息交换问题。语音信号处理学科在世界范围内取得了飞速发展，无论是在基础研究领域还是在各个特定的应用领域都出现了许多新算法和高性能的系统，取得了大量突破性的进展。在硬件方面，随着计算机技术及DSP芯片的迅速更新换代，为各种日益复杂的语音处理算法的实时实现提供了可能性。在21世纪，这个研究领域的发展速度将更快，它与高速信息处理、传输和交换诸方面的关系将更加密切。本方向主要研究语音信号数字处理的新理论、新方法及其应用，如语音编码，语音识别，语音合成，语音增强和语音编码等，满足通信与信息技术应用领域对语音处理技术的需求。

模式识别的研究现状与发展趋势

模式识别的研究现状与发展趋势 摘要：随着现今社会信息技术的飞速发展, 人工智能的应用越来越广泛, 其中模式识别是人工智能应用的一个方面。而且现今的模式识别的应用也越来越得到大家的重视与支持，在各方面也有重大的进步。模式识别也成为人们身边不可或缺的一部分。关键词：人工智能，技术，模式识别，前景 Abstract：In the modern society with the rapid development of information technology, the application of a rtificial intelligence is more and more extensive, among them pattern recognition is one of the ap ply of artificial intelligence. And now the application of pattern recognition is also more and more to get everyone's attention and support, in various aspects have significant progress. Pattern rec ognition has become an integral part of people around. Keywords: Artificial Intelligence, Technology,Pattern Recognition, prospects 一，引言 如今计算机硬件的高速发展, 以及计算机应用领域的不断开拓, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像、温度、震动等人类赖以发展自身、改造环境所运用的信息资料。但就一般意义来说, 目前一般计算机却无法直接感知它们, 我们常用的键盘、鼠标等外部设备, 对于这些外部世界显得无能为力。虽然摄像机、图文扫描仪、话筒等设备业已解决了上述非电信号的转换, 并与计算机联机, 但由于识别技术不高, 而未能使计算机真正知道采录后的究竟是什么信息。计算机对外部世界感知能力的低下, 成为开拓计算机应用的瓶颈, 也与其高超的运算能力形成强烈的对比。于是, 着眼于拓宽计算机的应用领域, 提高其感知外部信息能力的学科———模式识别, 便得到迅速发展。 人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式, 是对人类感知外界功能的模拟, 研究的是计算机模式识别系统, 也就是使一个计算机系统具有模拟人类通过感官接受外界信息、识别和理解周围环境的感知能力。现将人工智能在模式识别方面的一些具体和最新的应用范围遍及遥感、生物医学图象和信号的分析、工业产品的自动无损检验、指纹鉴定、文字和语音识别、机器视觉地圈模式识别等方面。 二，现状 以地图模式识别为例，地图模式识别是由计算机来对地图进行识别与理解, 并借助一定的技术手段, 让计算机研究和分析地图上的各种模式信息, 获取地图要素的质量意义。其计算处理的过程类似于人对地图的阅读。 地图模式识别是近年来在地图制图领域中新兴的一门高新技术, 是信息时代人工智能、模式识别技术在地图制图中的具体应用。由于它是传统地图制图迈向数字地图制图的一座桥梁, 因此,地图模式识别遥感技术、地理信息系统一起, 被称为现代地图制图的三大技术。 目前, 地图模式识别由于具有广泛的应用价值和发展潜力,因而受到了人们的普遍重视。尤其是随着现今的计算机及其外部硬件环境的不断提高, 科技不过发展的情况下，

构造地质学研究现状和发展趋势.docx

构造地质学研究现状和发展趋势 构造地质学是地质学分支学科之一，以岩石圈的各种地质体作为研究对象,探究其组合形式及形成、发育、变形、破坏规律。一般根据其研究对象和研究内容的差异,分为狭义构造地质学和广义构造地质学。狭义构造地质学侧重于对中、小型地质体的研究，主要研究这些构造的几何形态、产状、规模、形成演化等。广义构造地质学的研究范围更加广阔，从地壳演变至岩石圈结构,从重要造山带至板块边界，从显微构造到晶格错位，几乎涵盖了10_8?108cm的所有地质体。近代以来,构造地质学研究获得了空前发展。20世纪60年代以来，板块构造理论体系得以建立和完善;20世纪70年代以来，大陆构造研究得到了重视;20世纪80年代以来，重点研究岩石圈的演化和三维岩石圈的建立；20世纪90年代以来，大陆动力学研究兴起。这些研究使得构造地质学在研究深度和研究广度上取得了重要进展。 1.构造解析构造学本质上是对地质体变形和演化的认识，构造地质学强调野外实地观测，其主要研究方法是构造解析法。构造解析是对地质体空间关系和形成规律的分析解释，内容包括对地质体的几何学、运动学和动力学的分析气几何学解析是指对地质体的产状、规模、组合形式进行研究，进而概化为构造模式。运动学解析主要研究地质体在构造作用中发生的变形和位移。动力学解析是在几何学解析和运动学解析的基础上，反推构造应力的性质、大小、方向，分析和解释该研究区域的构造演化史。 2.研究现状步人20世纪后，构造地质学开始从形态描述逐渐进人对地质体的成因和力学分析研究中，由定性观察转入定量研究，由几何学研究转人运动学、动力学的领域。相关学科的新方法、新思路的引人,使得构造地质学获得了极大地进步，促进了构造地质学和其他学科的交流融合。尤其20世纪60年代后，以板块构造为主的各种新理论的提出，促使构造地质学的发展进入全新阶段。 2.1板块构造理论体系相关研究1968年前后，地质学家归纳了大陆漂移和海底扩张的研究成果，并在此基础上从全球统一的角度提出了板块构造理论,该理论将固体地球表层在垂向上划分为刚性岩石圈和塑性软

模式识别研究进展-刘成林and谭铁牛

模式识别研究进展 刘成林，谭铁牛 中国科学院自动化研究所 模式识别国家重点实验室 北京中关村东路95号 摘要 自20世纪60年代以来，模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。本文先简要回顾模式识别领域的发展历史和主要方法的演变，然后围绕模式分类这个模式识别的核心问题，就概率密度估计、特征选择和变换、分类器设计几个方面介绍近年来理论和方法研究的主要进展，最后简要分析将来的发展趋势。 1. 前言 模式识别(Pattern Recognition)是对感知信号（图像、视频、声音等）进行分析，对其中的物体对象或行为进行判别和解释的过程。模式识别能力普遍存在于人和动物的认知系统，是人和动物获取外部环境知识，并与环境进行交互的重要基础。我们现在所说的模式识别一般是指用机器实现模式识别过程，是人工智能领域的一个重要分支。早期的模式识别研究是与人工智能和机器学习密不可分的，如Rosenblatt的感知机[1]和Nilsson的学习机[2]就与这三个领域密切相关。后来，由于人工智能更关心符号信息和知识的推理，而模式识别更关心感知信息的处理，二者逐渐分离形成了不同的研究领域。介于模式识别和人工智能之间的机器学习在20世纪80年代以前也偏重于符号学习，后来人工神经网络重新受到重视，统计学习逐渐成为主流，与模式识别中的学习问题渐趋重合，重新拉近了模式识别与人工智能的距离。模式识别与机器学习的方法也被广泛用于感知信号以外的数据分析问题（如文本分析、商业数据分析、基因表达数据分析等），形成了数据挖掘领域。 模式分类是模式识别的主要任务和核心研究内容。分类器设计是在训练样本集合上进行优化（如使每一类样本的表达误差最小或使不同类别样本的分类误差最小）的过程，也就是一个机器学习过程。由于模式识别的对象是存在于感知信号中的物体和现象，它研究的内容还包括信号/图像/视频的处理、分割、形状和运动分析等，以及面向应用（如文字识别、语音识别、生物认证、医学图像分析、遥感图像分析等）的方法和系统研究。 本文简要回顾模式识别领域的发展历史和主要方法的演变，介绍模式识别理论方法研究的最新进展并分析未来的发展趋势。由于Jain等人的综述[3]已经全面介绍了2000年以前模式分类方面的进展，本文侧重于2000年以后的研究进展。

国内外研究现状及发展趋势

国内外研究现状及发展趋势 世界银行2000年研究报告《中国：服务业发展和中国经济竞争力》的研究结果表明，在中国有4个服务性行业对于提高生产力和推动中国经济增长具有重要意义，它们是物流服务、商业服务、电子商务和电信。其中，物流服务占1997年服务业产出的42．4％，是比重最大的一类。进入21世纪，中国要实现对WTO缔约国全面开放服务业的承诺，物流服务作为在服务业中所占比例较大的服务门类，肯定会首先遭遇国际物流业的竞争。 物流的配送方式从手工下单、手工核查的方式慢慢转变成现今的物流平台电子信息化管理方式，从而节省了大量的人力，使得配送流程管理自动化、一体化。 当今出现一种智能运输系统，即是物流系统的一种，也是我国未来大力研究的方向。它是指采用信息处理、通信、控制、电子等先进技术，使人、车、路更加协调地结合在一起，减少交通事故、阻塞和污染，从而提高交通运输效率及生产率的综合系统。我国是从70年代开始注意电子信息技术在公路交通领域的研究及应用工作的，相应建立了电子信息技术、科技情报信息、交通工程、自动控制等方面的研究机构。迄今为止以取得了以道路桥梁自动化检测、道路桥梁数据库、高速公路通信监控系统、高速公路收费系统、交通与气象数据采

集自动化系统等为代表的一批成果。尽管如此，由于研究的分散以及研究水平所限，形成多数研究项目是针对交通运输的某一局部问题而进得的，缺乏一个综全性的、具有战略意义的研究项目恰恰是覆盖这些领域的一项综合性技术，也就是说可以通过智能运输系统将原来这些互不相干的项目有机的联系在一起，使公路交通系统的规划、建设、管理、运营等各方面工作在更高的层次上协调发展，使公路交通发挥出更大的效益。 1.国内物流产业发展迅速。国内物流产业正处在前所未有的高速增长阶段。2008年，全国社会物流总额达89.9万亿元，比2000年增长4.2倍，年均增长23%；物流业实现增加值2万亿元，比2000年增长1.9倍，年均增长14%。2008年，物流业增加值占全部服务业增加值的比重为16. 5%，占GDP的比重为6. 6%。预计“十一五”期间，我国物流产业年均增速保持在15%以上，远远高于美国的10%和加拿大、西欧的9%。 2.物流专业化水平与服务效率不断提高。社会物流总费用与GDP 的比例体现了一个国家物流产业专业化水平和服务效率。我国社会物流总费用与GDP的比例在近年来呈现不断下降趋势，“十五”期间，社会物流总费用占GDP的比例，由2000年的19.4%下降到2006年的18. 3%；2007年这一比例则下降到18. 0%，标志着我国物流产业的专业化水平和服务效率不断提高。但同发达国家相比较，我国物流

模式识别研究进展

模式识别研究进展 摘要：自20 世纪60年代以来，模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。本文先简要回顾模式识别领域的发展历史和主要方法的演变，然后围绕模式分类这个模式识别的核心问题，就概率密度估计、特征选择和变换、分类器设计几个方面介绍近年来理论和方法研究的主要进展，最后简要分析将来的发展趋势。 1. 前言 模式识别（Pattern Recognition）是对感知信号（图像、视频、声音等）进行分析，对其中的物体对象或行为进行判别和解释的过程。模式识别能力普遍存在于人和动物的认知系统，人和动物获取外部环境知识，并与环境进行交互的重要基础。我们现在所说的模式识别一般是指用机器实现模式识别过程，是人工智能领域的一个重要分支。早期的模式识别研究是与人工智能和机器学习密不可分的，如Rosenblatt 的感知机和Nilsson 的学习机就与这三个领域密切相关。后来，由于人工智能更关心符号信息和知识的推理，而模式识别更关心感知信息的处理，二者逐渐分离形成了不同的研究领域。介于模式识别和人工智能之间的机器学习在20 世纪80 年代以前也偏重于符号学习，后来人工神经网络重新受到重视，统计学习逐渐成为主流，与模式识别中的学习问题渐趋重合，重新拉近了模式识别与人工智能的距离。模式识别与机器学习的方法也被广泛用于感知信号以外的数据分析问题（如文本分析、商业数据分析、基因表达数据分析等），形成了数据挖掘领域。模式分类是模式识别的主要任务和核心研究内容。分类器设计是在训练样本集合上进行优化（如使每一类样本的表达误差最小或使不同类别样本的分类误差最小）的过程，也就是一个机器学习过程。由于模式识 别的对象是存在于感知信号中的物体和现象，它研究的内容还包括信号/图像/ 视频的处理、 分割、形状和运动分析等，以及面向应用（如文字识别、语音识别、生物认证、医学图像分析、遥感图像分析等）的方法和系统研究。 本文简要回顾模式识别领域的发展历史和主要方法的演变，介绍模式识别理论方法研究的最新进展并分析未来的发展趋势。由于Jain 等人的综述[3] 已经全面介绍了2000 年以前模式分类方面的进展，本文侧重于2000 年以后的研究进展。 2. 历史回顾 现代模式识别是在20 世纪40 年代电子计算机发明以后逐渐发展起来的。在更早的

人工智能与模式识别

人工智能与模式识别 摘要：信息技术的飞速发展使得人工智能的应用围变得越来越广，而模式识别作为其中的一个重要方面，一直是人工智能研究的重要方向。在介绍人工智能和模式识别的相关知识的同时，对人工智能在模式识别中的应用进行了一定的论述。模式识别是人类的一项基本智能，着20世纪40年代计算机的出现以及50年代人工智能的兴起，模式识别技术有了长足的发展。模式识别与统计学、心理学、语言学、计算机科学、生物学、控制论等都有关系。它与人工智能、图像处理的研究有交叉关系。模式识别的发展潜力巨大。 关键词：模式识别；数字识别；人脸识别中图分类号； Abstract: The rapid development of information technology makes the application of artificial intelligence become more and more widely. Pattern recognition, as one of the important aspects, has always been an important direction of artificial intelligence research. In the introduction of artificial intelligence and pattern recognition related knowledge at the same time, artificial intelligence in pattern recognition applications were discussed.Pattern recognition is a basic human intelligence, the emergence of the 20th century, 40 years of computer and the rise of artificial intelligence in the 1950s, pattern recognition technology has made great progress. Pattern recognition and statistics, psychology,

机器学习研究现状与发展趋势

机器学习研究现状与发展趋势 计算机科学与软件学院 引言: 机器能否象人类一样能具有学习能力呢？1959年美国的塞缪尔(Samuel)设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对奕中改善自己的棋艺。4年后，这个程序战胜了设计者本人。又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。 机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。这些研究目标相互影响相互促进。 机器学习是关于理解与研究学习的内在机制、建立能够通过学习自动提高自身水平的计算机程序的理论方法的学科。近年来机器学习理论在诸多应用领域得到成功的应用与发展，已成为计算机科学的基础及热点之一。 机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。 一.机器学习的发展史 机器学习是人工智能研究较为年轻的分支，它的发展过程大体上可分为4个时期。 第一阶段是在50年代中叶到60年代中叶，属于热烈时期。…> 第二阶段是在60年代中叶至70年代中叶，被称为机器学习的冷静时期。 第三阶段是从70年代中叶至80年代中叶，称为复兴时期。 机器学习的最新阶段始于1986年。 机器学习进入新阶段的重要表现在下列诸方面： (1) 机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。 (2) 结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。 (3) 机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合进行、知识表达便于学习的观点产生了通用智能系统SOAR的组块学习。类比学习与问题求解结合的基于案例方法已成为经验学习的重要方向。 (4) 各种学习方法的应用范围不断扩大，一部分已形成商品。归纳学习的知识获取工具已在诊断分类型专家系统中广泛使用。连接学习在声图文识别中占优势。分析学习已用于设计综合型专家系统。遗传算法与强化学习在工程控制中有较好的应用前景。与符号系统耦合的神经网络连接学习将在企业的智能管理与智能机器人运动规划中发挥作用。 (5) 与机器学习有关的学术活动空前活跃。国际上除每年一次的机器学习研讨会外，还有计算机学习理论会议以及遗传算法会议。 二.机器学习分类 1、基于学习策略的分类 学习策略是指学习过程中系统所采用的推理策略。一个学习系统总是由学习和环境两部分组成。由环境（如书本或教师）提供信息，学习部分则实现信息转换，用能够理解的形

模式识别发展及现状综述

模式识别发展及现状综述 xxx （xxxxxxxxxxxxxxxxxxx） 摘要 [摘要]：通过对模式识别的发展及现状进行调查研究，了解到模式识别的理论和方法在很多科学和技术领域中得到了广泛的应用，极大的推动了人工智能系统的发展，同时扩大了计算机应用的可能性。模式识别 的研究主要集中在研究生物体(包括人)是如何感知对象的，以及在给定的任务下，如何用计算机实现模式 识别的理论和方法。本文详细的阐述了模式识别系统的组成结构以及模式识别的现状并展望了未来的模式 识别的发展趋势。 [关键词]：模式识别;模式识别的应用 Abstract [Abstract]:through the investigation and Study on the present situation and development of pattern recognition, knowing that the theory and method of pattern recognition has been widely used in many fields of science and technology and greatly promoting the development of artificial intelligence systems as well as expanding the fields of computer applied to.The research of pattern recognition mainly concentrated on the research of the theory and method of pattern recognition which how the organisms(including humans)to perceive objects as well as,in a given task,how to realize the pattern recognition with computer.This paper expounds the present situation and system structure of the pattern recognition as well as prospects the development trend in the future of pattern recognition. [keyword]:pattern recognition;pattern recognition applications 1前言 模式识别诞生于20世纪20年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代初迅速发展成一门学科。什么是模式和模式识别呢？广义地说，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以称之为模式；狭义地说，模式是通过对具体的个别事物进行观测所得到的具有时间和空间分布的信息；把模式所属的类别或同一类中模式的总体称为模式类(或简称为类)[1]。而“模式识别”则是在某些一定量度或观测基础上把待识模式划分到各自的模式类中去。 经过多年的研究和发展，模式识别技术已广泛被应用于人工智能、计算机工程、机器人学、神经生物学、医学、侦探学以及高能物理、考古学、地质勘探、宇航科学和武器技术等许多重要领域，如语音识别、语音翻译、人脸识别、指纹识别、生物认证技术等。模式识别的技术对国民经济建设和国防科技发展的重要性已得到了人们的认可和广泛重视。本文将就模式识别所涉及的基本问题、研究的领域及其当前进展现状进行详细的介绍，并对模式识别的发展趋势进行展望。 2模式识别 2.1模式识别系统 一个计算机模式识别系统基本上是由三个相互关联而又有明显区别的过程组成的，即数据生成、模式分析和模式分类。有两种基本的模式识别方法，即统计模式识别方法和结构

机器人研究现状及发展趋势

机器人发展历史、现状、应用、及发展 趋势 院系：信息工程学院 专业：电子信息工程 姓名：王炳乾

机器人发展历史、现状、应用、及发展趋势 摘要：随着计算机技术不断向智能化方向发展,机器人应用领域的不断扩展和深化,机器人已成为一种高新技术产业,为工业自动化发挥了巨大作用,将对未来生产和社会发展起越来越重要的作用。文章介绍了机器人的国内国外的发展历史、状况、应用、并对机器人的发展趋势作了预测。 关键词：机器人;发展；现状；应用；发展趋势。 1．机器人的发展史 1662年，日本的竹田近江利用钟表技术发明了自动机器玩偶并公开表演。 1738年，法国技师杰克·戴·瓦克逊发明了机器鸭，它会嘎嘎叫、进食和游泳。 1773年，瑞士钟表匠杰克·道罗斯发明了能书写、演奏的玩偶，其体内全是齿轮和发条。它们手执画笔、颜料、墨水瓶，在欧洲很受青睐。 保存至今的、最早的机器人是瑞士的努萨蒂尔历史博物馆里少女形象的玩偶，有200年历史。她可以用风琴演奏。 1893年，在机械实物制造方面，发明家摩尔制造了“蒸汽人”，它靠蒸汽驱动行走。 20世纪以后，机器人的研究与开发情况更好，实用机器人问世。 1927年，美国西屋公司工程师温兹利制造了第一个机器人“电报箱”。它是电动机器人，装有无线电发报机。 1959年第一台可以编程、画坐标的工业机器人在美国诞生。 现代机器人 有关现代机器人的研究始于20世纪中期，计算机以及自动化技术的发展、原子能的开发利用是前提条件。1946年，第一台数字电子计算机问世。随后，计算机大批量生产的需要推动了自动化技术的发展。1952年，数控机床诞生，随后相关研究不断深入；同时，各国原子能实验室需要代替人类处理放射性物质的机械。

模式识别文献综述

模式识别基础概念文献综述 一．前言 模式识别诞生于20世纪20年代。随着20世纪40年代计算机的出现，20世纪50年代人工智能的兴起，模式识别在20世纪60年代迅速发展成为一门学科。在20世纪60年代以前，模式识别主要限于统计学领域的理论研究，计算机的出现增加了对模式识别实际应用的需求，也推动了模式识别理论的发展。经过几十年的研究，取得了丰硕的成果，已经形成了一个比较完善的理论体系，主要包括统计模式识别、结构模式识别、模糊模式识别、神经网络模式识别和多分类器融合等研究内容。 模式识别就是研究用计算机实现人类的模式识别能力的一门学科，目的是利用计算机将对象进行分类。这些对象与应用领域有关，它们可以是图像、信号，或者任何可测量且需要分类的对象，对象的专业术语就是模式（pattern）。按照广义的定义，存在于时间和空间中可观察的事物，如果可以区别它们是否相同或相似，都可以成为模式。 二．模式识别基本概念 <一>.模式识别系统 模式识别的本质是根据模式的特征表达和模式类的划分方法，利用计算机将模式判属特定的类。因此，模式识别需要解决五个问题：模式的数字化表达、模式特性的选择、特征表达方法的确定、模式类的表达和判决方法的确定。一般地，模式识别

系统由信息获取、预处理、特征提取和选择、分类判决等4部 分组成，如图1-1所示。 观察对象→→→→→→→→→类→类别号信息获取预处理特征提取和选择分类判决 图1-1模式识别系统的组成框图 <二>.线性分类器 对一个判别函数来说，应该被确定的是两个内容：其一为方程 的形式；其二为方程所带的系数。对于线性判别函数来说方程 的形式是线性的，方程的维数为特征向量的维数，方程组的数 量则决定于待判别对象的类数。对M类问题就应该有M个线 性判别函数；对两类问题如果采用“+”“-”判别，则判别函数 可以只有一个。既然方程组的数量、维数和形式已定，则对判 别函数的设计就是确定函数的各系数，也就是线性方程的各权 值。在计算机上确定各权值时采用的是“训练”或“学习”的 方法，这就是待识别的模式集中挑选一批有代表的样本，它们 经过人工判读成为已知类别的样本，把这批样本逐个输入到计 算机的“训练”程序（或算法）中去，通过一次一次的迭代最 后得到正确的线性判别函数，这样一个迭代的运算的过程成为 训练过程。由于样本的分类首先经过人工判读，因而这样的构 成分类器也称为有人监督或有教师的分类器。 <三>.特征选择和提取 <1>、特征选择 特征的获取是依赖于具体的问题和相关专业的知识的，无法进

国内外公路研究现状与发展趋势

第1章绪论 1.1我国公路现状 交通运输业是国民经济中从事运送货物和旅客的社会生产部门，是国民经济和社会发展的动脉，是经济社会发展的基础行业、先行产业。交通运输主要包括铁路、公路、水运、航空、管道五种运输方式，其中，铁路、水运、航空、管道起着“线”的作用，公路则起着“面”的作用，各种运输方式之间通过公路路网联结起来，形成四通八达、遍布城乡的运输网络。改革开放以来，灵活、快捷的公路运输发展迅速，目前，在综合运输体系中，公路运输客运量、货运量所占比重分别达90％以上和近80％。高速公路是经济发展的必然产物，在交通运输业中有着举足轻重的地位。在设计和建设上，高速公路采取限制出入、分向分车道行驶、汽车专用、全封闭、全立交等较高的技术标准和完善的交通基础设施，为汽车快速、安全、经济、舒适运行创造了条件。与普通公路相比，高速公路具有行车速度快、通行能力大、运输成本低、行车安全、舒适等突出优势，其行车速度比普通公路高出50％以上，通行能力提高了2~6倍,并可降低30％以上的燃油消耗、减少1/3的汽车尾气排放、降低1/3的交通事故率。 新中国成立以来，经过60多年的建设，公路建设有了长足发展。2011年初正值“十一五”规划结束，“十二五”规划伊始。“十一五”时期是我国公路交通发展速度最快、发展质量最好、服务水平提升最为显著的时期。经过4年多的发展，公路交通运输紧张状况已实现总体缓解，基础设施规模迅速扩大，运输服务水平稳步提升，安全保障能力明显增强，为应对国际金融危机、保持经济平稳较快发展、加快经济发展方式转变、促进城乡区域协调发展、保障社会和谐稳定、进一步提高我国的综合国力和国际竞争力作出了重要贡献。 “十一五”前4年，全国累计完成公路建设投资2.93万亿元，年均增长近16％，约为“十一五”预计总投资的1.2倍，也超过了“九五”和“十五”的投资总和。公路建设投资的快速增长，极大地拉动和促进了国民经济的迅猛发展。从公路建设投资占同期全社会固定资产总投资的比重来看，“十一五”期间基本保持在4.5％左右。 在投资带动下，公路网规模不断扩大，截至2009年底，全国公路网总里程达到386万公里，其中高速公路6.51万公里，二级及以上公路42.52万公里，分别较"十五"末增加36.4万公里、2.5万公里和9.4万公里；全国公路网密度由“十五”末的每百平方公里34.8公里提升至40.2公里。预计到2010年底，全国公路网总里程将达到395万公里，高速公路超过7万公里，分别较“十五”末增加45.3万公里与3万公里。农村公路投资规模年均增长30%，总里程将达到345万公里，实现全国96%的乡镇通沥青（水泥）路。 “十一五”期间公路的快速发展，为扩大内需、拉动经济增长作出了突出贡献。特别是2008年以来，为应对国际金融危机，以高速公路为重点，建设步伐进一步加快，“十一五”末高速公路里程将达到"十五"末的1.78倍。“十一五”期间全社会高速公路建设累计投资达2万亿元，直接拉动GDP增长约3万亿元，拉动相关行业产出

国内外研究现状和发展趋势

北京市绿化隔离带可持续经营技术及效益评价 二、项目所属领域国内外研究开发现状和发展趋势 1、由城市绿地到城市林业的发展 城市绿地是城市中一种特殊的生态系统，它是城市系统中能够执行“吐故纳新”负反馈调节机制的子系统。这个系统一方面能为城市居民提供良好的生活环境，为城市生物提供适宜的生境；另一方面能增强城市景观的自然性、促进城市居民与自然的和谐共生。它是城市现代化和文明程度的重要标志。 绿地(green space)一词，各国的法律规范和学术研究对它的定义和范围有着不同的解释，西方城市规划概念中一般不提城市绿地，而是开敞空间(Open Space)，我国建国以来一直延用原苏联的绿地概念，包括城市区域内的各类公园、居住区绿地、单位绿地、道路绿化、墓地、农地、林地、生产防护绿地、风景名胜区、植物覆盖较好的城市待用地等。 尽管各国关于开敞空间(或绿地)的定义不尽相同，但它们都强调了开敞空间(或绿地)在城市中的自然属性，即都是为了保持、恢复或建立自然景观的地域。绿地作为城市的一种景观，是城市中保持自然景观，或使自然景观得到恢复的地域，是城市自然景观和人文景观的综合体现，是城市中最能体现生态性的生态空间，是构成城市景观的重要组成部分。在结构上为人工设计的植物景观、自然植物景观或半自然植物景观。绿地在城市中的功能和作用主要包括：组织城市空间的功能、生态功能（改善生态环境的功能、生物多样性保护功能）、游憩休闲功能、文化(历史)功能、教育功能、社会功能、城市防护和减灾功能。 城市绿地发展和研究进程包括：城市绿地思想启蒙阶段、城市绿地规划思想形成阶段、城市绿地理论和方法的发展阶段、城市绿地生态规划和建设阶段。 吴人韦[1]、汪永华[2]、胡衡生[3]等从城市公共绿地的起源开始介绍了国外城市绿地的发展历程，认为国外的城市绿地建设经历了从公园运动（1843～1887）、公园体系（1880～1890）、重塑城市（1898～1946）、战后大发展（1945～1970）、生物圈意识（1970年以后）等一系列由简单到复杂的城市绿地发展过程，其中“重塑城市”阶段提出了“田园城市”和城市绿带概念，绿带网络提供城区间的隔离、交通通道，并为城市提供新鲜空气。“有机疏散”理论中的城市与自然的有机结合原则，对以后的城市绿化建设具有深远的影响。1938年，英国议会通过了绿带法案（Green Belt Act）。1944年的大伦敦规划，环绕伦敦形成一道宽达5英里的绿带。1955年，又将该绿带宽度增加到6～10英里。英国“绿带政策”的主要目的是控制大城市无限蔓延、鼓励新城发展、阻止城市连体、改善大城市环境质量。早在1935年，莫斯科进行了第一个市政建设总体规划，规划在城市用地外围建立10公里宽的“森林公园带”；1960年调整城市边界时，“森林公园带”进一步扩大为10～15公里宽，北部最宽处达28公里；1971年，莫斯科采用环状、楔状相结合的绿地布局模式，将城市分隔为多中心结构。目前，德国城市森林建设已取得了让世人瞩目的成绩，其树种主要为乡土树种，基本上是高大的落叶乔木（栎类、栗类、悬铃木、杨树、核桃、欧洲山毛榉等）[4]。在绿化城

模式识别研究进展

模式识别研究进展 摘要：自20世纪60年代以来，模式识别的理论与方法研究及在工程中的实际应用取得了很大的进展。本文先简要回顾模式识别领域的发展历史和主要方法的演变，然后围绕模式分类这个模式识别的核心问题，就概率密度估计、特征选择和变换、分类器设计几个方面介绍近年来理论和方法研究的主要进展，最后简要分析将来的发展趋势。 1. 前言 模式识别(Pattern Recognition)是对感知信号（图像、视频、声音等）进行分析，对其中的物体对象或行为进行判别和解释的过程。模式识别能力普遍存在于人和动物的认知系统，人和动物获取外部环境知识，并与环境进行交互的重要基础。我们现在所说的模式识别一般是指用机器实现模式识别过程，是人工智能领域的一个重要分支。早期的模式识别研究是与人工智能和机器学习密不可分的，如Rosenblatt 的感知机和Nilsson的学习机就与这三个领域密切相关。后来，由于人工智能更关心符号信息和知识的推理，而模式识别更关心感知信息的处理，二者逐渐分离形成了不同的研究领域。介于模式识别和人工智能之间的机器学习在20 世纪80 年代以前也偏重于符号学习，后来人工神经网络重新受到重视，统计学习逐渐成为主流，与模式识别中的学习问题渐趋重合，重新拉近了模式识别与人工智能的距离。模式识别与机器学习的方法也被广泛用于感知信号以外的数据分析问题（如文本分析、商业数据分析、基因表达数据分析等），形成了数据挖掘领域。模式分类是模式识别的主要任务和核心研究内容。分类器设计是在训练样本集合上进行优化（如使每一类样本的表达误差最小或使不同类别样本的分类误差最小）的过程，也就是一个机器学习过程。由于模式识别的对象是存在于感知信号中的物体和现象，它研究的内容还包括信号/图像/ 视频的处理、分割、形状和运动分析等，以及面向应用（如文字识别、语音识别、生物认证、医学图像分析、遥感图像分析等）的方法和系统研究。 本文简要回顾模式识别领域的发展历史和主要方法的演变，介绍模式识别理论方法研究的最新进展并分析未来的发展趋势。由于Jain 等人的综述[3]已经全面介绍了2000 年以前模式分类方面的进展，本文侧重于2000 年以后的研究进展。 2. 历史回顾

中国管理研究的现状及发展前景

徐淑英《光明日报》（ 20１1年07月29日１1 版) 过去2０多年来，中国管理学研究关注西方情境的研究课题,验证西方发展出来的理论，并借用西方的研究方法论。而旨在解决中国企业面临的问题和针对中国管理现象提出有意义的理论解释，这方面的研究却迟滞不前。围绕到底是追求“中国管理理论”（即在中国管理情境中检验西方理论)还是“管理的中国理论”(即针对中国现象和问题提出自己的理论)的争论，很多学者作出了积极探索。中国的管理学研究者应遵循科学探究的自主性原则,保持对常规科学局限性的警觉,从事既能贡献普遍管理知识,又能解决中国管理问题的研究。 国际管理学研究中的一个现象 全球化商业活动的增加,不仅使得全球化的跨国公司对管理知识的需求大大增加，而且那些处于新兴经济体（比如俄罗斯、印度和中国）中的公司，由于在国际市场上扮演越来越重要的角色，也非常渴望得到管理实践所需的知识。除了新兴经济体外,许多发达地区的管理研究也十分活跃。有学者观察到了国际学者的一种明显偏好:从主流管理学文献(基本上是基于北美,特别是美国的文献)中套用已有的理论、构念和方法来研究本土的现象。这导致了JameｓMａrch（詹姆斯·马奇)所认为的组织研究的“趋同化”。这个趋势是值得注意的,因为它有可能放慢有效的全球管理知识的发展速度，也会阻碍科学的进步。这样的趋势在中国也是存在的。

科学研究总是有目的的：执著于寻找真相（realiｔy)和追求真理(trｕth)。科学的研究方法确保了科学家的发现是接近于真理的,这也是所有科学研究应该达到的严谨性（rｉgor)标准。然而对于管理学这门应用科学来说,真理本身是不够的。管理研究的第二个目标是获取有益于提高实践水平的知识,这就是管理学者应该达到的切题性（ｒe ｌevａnce）标准。但现在大部分的中国学者都是严谨有余,切题不足。 目前,套用西方发展起来的理论在中国进行演绎性研究主导了中国管理学研究领域。用这种方法进行的研究倾向于把成果发表在国际性杂志上，尤其是国际顶尖杂志。这类研究成果验证了已有理论或者对其情境性边界进行了延伸研究，说明了如何使用现有研究成果来解释一些新情境下出现的独特现象和问题。但这样的研究倾向对现有的理论发展只能提供有限的贡献，因为它的目的并非寻找对地方性问题的新的解释。这种方法也限制了对中国特有的重要现象以及对中国有重要影响的事件的理解。 笔者并不认为学者的目标就是发展新的理论，而是提请注意这一事实:绝大部分中国的研究都不约而同地采用西方已有理论来解释中国现象。这一趋势形成的原因可以从两个方面进行解释。 首先是因为缺乏先进的科学研究方法的训练和对科学目的的正确理解。一些研究者错误地认为，科学的目的是发表文章，而非寻找对重要现象的恰当理解和解释。中国学者可以很快学会如何正确使用研

模式识别在神经网络中的研究

摘要：基于视觉理论的神经网络模式识别理论的研究一直是非常活跃的学科，被认为是神经网络应用最成功的一个方面，它的发展与神经网络理论可以说是同步的。几乎所有现有的神经网络物理模型都在模式识别领域得到了成功的应用，神经网络理论取得进步会给模式识别理论的发展带来鼓舞；相反，模式识别理论的进步又会大大推动神经网络理论的长足发展。它们的关系是相互渗透的。 关键词：神经网络；模式识别 Abstract: The research of pattern recognition theories according to the neural network mode of sense of vision theories has been very active in academics, neural network has been thought one of the most successful applications , its development can been seen as the same step with the neural network theories.Almost all existing physics model of the neural network all identified realm to get success in the mode of application, neural network theories' progress will give the development of the pattern recognition theories much encourage;Contrary, the pattern recognition theories of progress again consumedly push neural network theories of substantial development.Their relations permeate mutually. Key word: neural network; pattern recognition

本课题国内外研究现状及发展趋势

本课题国内外研究现状及发展趋势 医用信息系统同其他行业的信息系统相比具有其明显的特殊性，医用信息系统有大量的CT、MRI等的图象，B超、内窥镜等的视频数据，还有大量的CT、MRI、B超、PET、电子内窥镜等的医用检查设备。医用信息系统中大量的如HIS,RIS,PACS,MODALITY,CPR等部门级的系统之间有大量需要交流和共用的信息,如何将这些数据有效的交流，如何减少重复手工劳动,减少数据冗余.以提供给医生、护士从而提高诊断和治疗水平，或者提供给医院管理者以提高医院的管理水平.换而言之，就是将医院各部门之间的数据互相平滑高效的交流以及医用信息的整合集成成为世界各国致力于医用信息系统的专家学者和相关研究机构的研究话题。 Radiological Society of North America(RSNA)和Healthcare Information and Management Systems Society(HIMSS)提出了IHE框架试图解决这些信息的交流和集成问题。

IHE规范遵循DICOM标准和HL7标准.DICOM标准的全称是“医学数字成像与通信”（digital imaging and communication in medicine）标准，不仅支持医学放射图象，而且面向所有的医学图象，只要简单的增加相应的服务对象类（SOP）即可，可扩展到心电图，内窥镜图象，牙医图象，病理学图象等。HL7主要为面向健康的计算机系统提供临床、金融、管理信息的电子交换标准.IHE规范还提供了HL7到DICOM的互操作. 国内随着医疗行业改革,医疗服务行业开始面向市场,通过信息化的战略来提高医患的满意度以提到很多医院的议事日程.因此构建一个集成化的标准化的系统来及时的获取各种临床信息变的非常迫 切.目前国内有许多厂商拥有遵循DICOM标准的PACS系统,然而将

国外教学设计研究现状与发展趋势

国外教学设计研究现状与发展趋势 教学设计过程所产生的问题的讨论、教学设计研究的发展趋势等方面对国外教学设计研究的现状与发展趋势进行了系统阐述。 随着科学技术的发展，心理学、教育学理论研究的深入，教学设计近年来成为国内外教育界关注的课题之一。考察国外教学设计的研究成果，对我们深化课堂教学改革，全面推行素质教育，提高教学效率将有莫大的启发。 一、国外教学设计研究的现状 如何提高课堂教学质量和教学效率一直是教学研究的核心问题。为了解决这个问题，许多教育工作者或从改变教学媒体、方法，或从精选教学内容，或从改进评价方式和课堂管理等进行深入的研究，但同时他们又感到单一方面的改革其效果不能令人满意。因此，他们开始重新思考教学设计的问题，并借鉴认知理论、技术学等新成果；从更为系统的角度探索问题，以找到在整体上提高教学效益的突破口。 1．学设计的概念 什么是教学设计？为了更清楚的理解这个概念，让我们先了解什么是教学和设计。美国的教育学家史密斯（P.L. Smith ）和拉根（T. J.Ragan）认为，教学就是信息的传递及促进学生达到预定、专门学习目标的活动。它是教育的一个分支，包含了学习、训练和讲授等活动。所谓设计，是指在进行某件事之前所作的有系统的计划过程或为了解决某个问题而实施的计划，它可以从精确性、细致性、系统性等方面去判断其效果的好坏。设计者必须以高度的精确和谨慎态度，具有系统计划一个方案的才能进行设计，否则，会导致时间的误用、资源的浪费甚至无效、沉闷和缺乏动机的学习。因此，设计应考虑许多可能影响实施计划或受计划实施所影响的因素。如，设计者要考虑可能影响教学成功的因素，通过上课，把预先设计好的视觉、听觉及其他传递形式的信息传递出去。所以，教学设计的特点除上面谈到的精确、细致和系统之外，还应有形象性、创造性、工艺性、扩展性和自然性等特点。由此可见，教学设计就是把教学原理转换成教学材料和教学活动计划的系统过程，是指为了达到预期教学目标而运用系统观点和方法，遵循教学过程基本规律，对教学活动进行系统计划的过程，是教什么（课程和内容等）与怎么教（组织、方法、策略、手段及其他传媒工具的使用等）的过程。具体来说，一方面它象工程那样需要以过去成功的原理为基础来计划他们的工作，不仅在功能方面，而且以生动的、吸引人的方式来设计事情或活动，建立用以指导他们决策、解决问题的程序。另一方面，这个系统过程是以一种书面的形式把将要完成的事情或活动的结果写下来，而不是变成实际的产品或结果。因此，当教学媒体不仅仅是教师时，系统的计划就显得尤其重要。好的教师有能力根据学生的需要马上调节教学。但当教学媒体不能迅速加以调节时（如印刷体的材料、录像材料、以电脑为基础的教学），以教学原理为基础的设计就显得相当重要。所以，教学设计过程主要依据三个方面进行设计：第一，教学的目标是什么？第二，教学策略和教学媒体有哪些？第三，我们如何检验所达到的结果？如何评价和修改教学材料？ 韦斯特（Charles K. West ）等人则从认知科学的角度来探讨教学设计。他们认为教学就是以系统的方式传授知识，是关于技术程序纲要或指南的实施。它也是指教师的行动、实践或职业活动。设计是计划或布局安排的意思，是指用某种媒介形成某件事情的结构方式。所以教学设计的研究应从以下几个方面出发：（1）在当今复杂的社会里，人们需要学会如何学习。这种需要大大地扩大了教学的目标，它应该包括学习者将能够了解并适当地运用认知策略；（2 ）教学设计应该使用认知策略作为教学的手段；（3 ）教师将充当教学传递活动中运用认知策略和奖励认知策略运用的模范；（4）把认知策略的知识、适当的应用以及对认知策略