人工智能从诞生以来，理论和技术日益成熟，并正在蓬勃发展。作为人工智能技术基础学科的模式识别技术，必将获得巨大的发展空间。本文通过研究人类认知过程和计算机模式识别过程的区别，试图将现有模式识别技术进行改进。
本研究从三个方面探讨二者的不同。第一部分主要介绍了二者在分类过程中的模糊性，讨论模糊BP神经网络分类算法的可行性与局限性。第二部分讨论了机器模式识别顺序和人类知觉顺序的区别。第三部分则主要介绍了自上而下和自下而上两种信息的加工方式，并介绍了这两种加工方式与其他理论的同一性。在文章的最后，总结得出一种新的认知模型和模式识别模型。
本研究试图从认知科学入手，对模式识别领域今后的发展提出一种新的思路。也希望在今后的模式识别研究中，能够多借助认知科学发展的成果。
目 录
第一章 绪论
1.1 概念及研究背景、现状
1.1.1 基本概念介绍
1.1.2 研究背景及现状
1.2 本文研究工作介绍
1.2.1 论文主要研究内容
1.2.2 研究方法介绍
第二章 人类知觉过程与机器模式识别的对比
2.1 人类知觉过程与机器模式识别的异同
2.2 传统模式识别的局限性
第三章 人机分类模糊性的研究.
3.1 人类分类中模糊性的探讨
3.1.1 人类分类的模糊性来源
3.1.2 实验设计
3.2 机器的模式分类算法
3.3 BP神经网络分类算法
3.3.1 BP神经网络简介
3.3.2 BP人工神经网络学习算法
3.4 传统BP神经网络分类算法的Matlab实现
3.4.1 实验目的
3.4.2 实验平台及数据
3.4.3 主要功能实现
3.4.4 主要功能代码
3.4.5 实验结论
3.5 模糊神经网络的分类算法
3.5.1 模糊理论简介
3.5.2 模糊神经网络简介
3.5.3 模糊神经网络的分类算法
3.6 利用Mamdani模型建立模糊推理系统
3.7 模糊神经网络分类算法的Matlab实现
3.7.1 实验目的
3.7.2 实验平台及数据
3.7.3 主要功能代码
3.7.4 分类效果
3.8 对于分类方法效果的讨论
3.8.1 对比三种机器分类方法
3.8.2 对比人类分类和机器模糊分类
3.9 本章小结
第四章 人机模式识别顺序的讨论
4.1 人类知觉的两大基本研究路线
4.1.1 初期特征分析理论
4.1.2 初期整体知觉理论
4.2 实验设计
4.2.1 实验目的
4.2.2 实验仪器及被试
4.2.3 实验步骤
4.2.4 实验数据
4.2.5 实验结论
4.3 关于知觉顺序的猜想
4.3.1 从进化论得到的启示
4.3.2 将视知觉拓展到其他知觉范围
4.3.3 知觉顺序对模式识别的影响
4.4 拓扑模式识别理论
4.5 拓扑模式识别理论的优点与不足
4.5.1 拓扑模式识别理论的优点
4.5.2 拓扑模式识别理论的不足
4.6 本章小结
第五章 两种知觉加工的方式
5.1 自下而上的加工方式
5.1.1 基本概念
5.1.2 理论假说
5.2 自上而下的加工方式
5.2.1 概念
5.2.2 典型案例
5.3 对人、机分类实验结果的说明
5.4 在模式识别中的应用
5.4.1 研究现状
5.4.2 与其他理论的结合
5.5 本章小结
第六章 新的模式识别模型
6.1 认知模型的讨论
6.1.1 有关知觉顺序的总结
6.1.2 对记忆-预测模型的理解
6.1.3 认知模型的基本框架
6.2 模式识别模型的基本框架
6.2.1 学习过程
6.2.2 识别过程
6.2.3 该模型的不足
6.3 本章小结
第七章 总结和展望