摘要：在科技发展的过程中，电子信息发挥着重要的技术指引作用，如今的信息化时代，模式识别作为提取电子信号，拟合信号，对传输的有效信号携带信息的利用有着重要的作用，促进了数据时代的大流量信息更迭，因此模式识别也成为了研究的热门方向，而特征提取与模式识别技术的有效结合促进了信息提取的方向性和高效性。本文就模式识别在电子信息的特征提取上的应用展开探讨，为模式识别的发展提出几点建议，以追求模式识别技术更加广泛的有益发展，以技术发展带动国民各项指数的发展。
关键词：模式识别；应用；特征提取
引言：
人工智能的发展是当今科技发展的潮流之一，而模式识别技术也是人工智能领域的分支之一。模式识别的技术实现都是要以大范围的算法为基础的，要进行特征值的识别要求识别模块具有信息处理与识别的功能，要通过主流算法，多元化特征融合促进模式识别模块的高效率，精准计算的能力的实现。与此同时，模式识别还在对图像的识别上有其超然的优势，对于像素低，模糊的图像也能信息化处理达到精准快速识图的能力，因此这一技术的应用十分广泛。
一、模式识别概论
模式识别技术有着强大的信息识别，数据处理能力，由此可知这项技术的实现并非一日之功[1]。模式识别涵盖面广，不仅对于基础的数据集成，模式识别，还有人工智能，统计，计算机语言等各个学科领域都有涉及。而电子信息特征提取顾名思义，主要就是实现信息提取功能，但从大量信息中深入挖掘有效信息并对信号携带有效信息进行利用就是就是一个难题，不但要实现数据采集，还要将无形信息建模转化为可处理信息。
模式识别技术与电子信息特征提取的有机结合，可谓强强联手，利用主流算法提取特征值，传输提取数据，建模完成信息到数据的转换，卷积法实现图像识别，多层特征值融合共同促进对有效数据的转化识别，并快速准确的完成信息处理识别的任务。而且优化识别是利用了调整权重的方法对内部分步调整，从局部开始，最终达到整体优化的目的，这样的分步执行利于及时纠错，优化了识别的质量。
二、模式识别技术的应用探讨
（一）图像处理
模式识别的的重要功能之一就是图像识别技术，图像识别可以从两个方面进行[2]。首先，基于机器学习，主要是融合了人工智能的先进技术方法，体现出了人工智能的分支，机器学习模拟环境反馈的方法进行有益的优化识别，因其融合了人工智能与自身在多层次算法上的优势而受到了广泛的关注，有了各式的应用。其次是基于统计算法，通过不同算法建模，划分特征模型，降低信号噪声，提高信号稳定性，提炼信号内部关系，选节点，调整权值，实现信息到数据的可应用化转换，提取应用有效信息，因其算法上精准突出的优势而广泛应用和有益的尝试。在灾害勘测，资源勘探，军事侦探等领域都有着突出的贡献。
（二）数字处理
数字处理主要是为了能够高效准确的进行图像处理奠定基础。在几何特征的基础上在图像中寻找特征值，系统性的归纳特征点，临近归类的识别图像达到图像处理的效果，此种识别方法不仅节省空间，加快处理速率与精确度。但数字处理还是有其缺点与不足。
图像的处理主要是由点及面的，图像是由颜色，像素和空间状态等同时决定的，颜色作为全局特征的识别主要由颜色直方图识别，并且在识别颜色时不会受到图像旋转变化的影响，但因为对光照的敏感性低，而无法识别动态图像，因此对于颜色分布信息还存在缺陷值得技术人员的实践探讨。图像的像素特征是较低级的图像组成，无法深入研究图像的属性，只能显示图像的局部形状，无法完成高级分类，而且较易被干扰，稳定性不强，因此相关人员还应创新发展，进一步加强。图像空间关系的研究需要从整体到局部的分割如图一所示图像分割实现，对于不同的模块进行分级研究识别，从而高效分析图象性质。在图像处理时需要综合以上技术，高速有效的提取特征，提升图像处理的准确性，高效率。在车牌号码识别处理，仿生技术实现，人工智能识别，网络监控如图二所示网络监控过程实现等技术上有着较强工作能力。
图一、图像分割实现
图二、网络监控过程实现
（三）模型的应用
电子信息特征提取是为了实现从海量的信息中进行有效信息的提取功能，提取信息后还要将识别度低的信息转化为可操作的有效数据就要求模型的利用来实现转化过程。而建模也是数学的统计性算法的体现，主要还是要依靠算法实现建模。要建立行之有效的模型需要精准的样本来源。算法通过对图像的光照，位置，等有效特征量的提取识别，重构图像，判别分类图像类型，这种方法有着高速的优点，但对于动态图像的处理不稳定，还需要改进。而若采用系统网络的处理方法，运用机器学习的方法将大量的图像数据存储起来，通过大量模型训练调整参数，使机器有了图像的分类记忆，在实际应用的过程中机器就可以调用之前的图像处理有效信息进行对未处理图像的分类识别，此方法的识别成功率较高，但识别周期长，因为前期需要置入大量的图像材料完成机器学习过程。模型的应用为图像的识别提供了行之有效的解决途径，对于图像的系统化处理奠定基础，促进了识别的高速高效进行，为识别的更广泛应用提供技术支持。对智能感知，应用于自然灾害模式辨别，智能设备模式识别设定等项目上广泛应用。
三、结束语
在数字化时代，人们的高要求促进了技术的升级，电子信息特征提取的应用遍及人们生产生活的方方面面，不仅促进了人们生活的高效便捷，更对于推动信号识别技术的发展，优化高精尖行业的飞跃有着决定性的奠基作用。但现阶段的技术还存在一定的缺陷，因此技术人员要针对现存的问题不断探索，找到更优化的解决方案。
参考文献：
[1]杨丰源，许永鹏，钱勇，etal.相关分析技术在直流电压下XLPE电缆局部放电信号特征提取与筛选中的应用[J].电网技术，2018，42（5）.
[2]何俊，杨世锡，甘春标.一类滚动轴承振动信号特征提取与模式识别[J].振动、测试与诊断，2017，37（6）.
论文作者:吕雪峰
论文发表刊物:《基层建设》2019年第26期
论文发表时间:2019/12/17
标签：图像论文; 特征论文; 信息论文; 技术论文; 算法论文; 人工智能论文; 信号论文; 《基层建设》2019年第26期论文;