我建议从一些MATLAB工具箱开始。由于其交互式控制台,MATLAB是一个特别方便的地方,可以开始玩这样的东西。我亲自使用并且非常喜欢的一个很好的工具箱是PRTools( http://prtools.org );他们实现了几乎所有模式识别工具以及其他一些机器学习工具(神经网络等)。但MATLAB的好处是,还有许多其他工具箱,你可以尝试(甚至有一个 专有工具箱 来自Mathworks)
每当您对不同的工具感到满意时(并且发现哪个分类器最适合您的问题),您就可以开始考虑在不同的应用程序中实现机器学习。
这有点像说“我想更多地了解电子产品......有谁告诉我从哪里开始?”模式识别是一个完整的领域 - 有数百本,如果不是数千本书,并且任何大学至少有几门(可能是10门或更多)的课程。有许多专门的期刊,已经出版了几十年...会议..
你可以从维基百科开始。
http://en.wikipedia.org/wiki/Pattern_recognition
这是一个老问题,但它是相关的,所以我想我会在这里发布:-)斯坦福开始在这里提供在线机器学习课程 - http://www.ml-class.org
小心错误的模式!对于任何体积大的数据集,您会发现看似具有模式的子集,即使它是硬币翻转的数据集。模式识别的良好过程应该没有统计技术来评估检测到的模式是真实的信心。如果可能,在随机数据上运行算法以查看它们检测到的模式。这些实验将为您提供可在随机(a.k.a“null”)数据中找到的模式强度的基线。这种技术可以帮助您评估您的发现的“错误发现率”。
OpenCV具有一些图像识别模式的功能。
你可能想看看这个: http://opencv.willowgarage.com/documentation/pattern_recognition.html 。 (断开的链接:新文档中最接近的是 http://opencv.willowgarage.com/documentation/cpp/ml__machine_learning.html ,虽然它不再是我称之为初学者的有用文档 - 请参阅其他答案)
但是,我还建议从Matlab开始,因为openCV使用起来并不直观。
我不是这方面的专家,而是阅读 隐马尔可夫模型 是一个很好的开始方式。
学习模式 - 重新定义在matlab中更容易..
有几个例子,有使用的功能。
这对理解概念和实验有好处......
很多有用的链接 这一页 计算机视觉相关模式识别。现在有些链接似乎已被破坏,但您可能会发现它很有用。