摘要：在计算机技术发展迅速的时代，模式识别技术的应用越来越广泛，并得到了人们的重视。模式识别技术是信息技术和人工智能结合的产物，具有很大的发展空间。将模式识别技术应用到数据库管理系统中，是信息技术发展的一种新的领域。模式识别技术能够对数据库系统中的各种信息进行识别、组合，并对信息进行处理，满足人们的需求。模式识别技术的应用，改变了企事业单位中数据信息不集中、不规范和不安全等情况，有效地实现了系统和数据的整合，具有高时效性、高数据吞吐量的特点。随着人们活动范围的逐渐扩大，模式识别技术的应用领域也不断扩大。在生产管理、财务管理、仓库管理方面建立众多的这种“数据库”，使其可以利用计算机实现财务管理、仓库管理的自动化，有效地将底层数据与上层管理系统结合起来，促进了对信息的管理，提升了应用的技术水平。基于此，本文分析了模式识别技术的相关内涵，概括了数据库管理系统中模式识别技术的主要方法，并探讨了模式识别技术在数据库管理系统中的应用情况。
关键词：模式识别; 数据库; 管理系统; 人工智能;
Construction of Database Management System Based on Pattern Recognition Technology
WANG Shixing PAN Lina
Shandong Transport Vocational College
Abstract：In the era of rapid development of computer technology,pattern recognition technology has been applied more and more widely,and people pay attention to it. Pattern recognition technology is the product of the combination of information technology and artificial intelligence,which has great development space. The application of pattern recognition technology in database management system is a new field of information technology development. It can identify,combine and process various information in database system to meet people's needs. The application of pattern recognition technology has changed the situation of non-centralization,nonstandardization and insecurity of data information in enterprises and institutions,effectively realized the integration of system and data,and has the characteristics of high timeliness and high data throughput. With the expansion of people's activities,the application field of pattern recognition technology is also expanding. In the production management,financial management and warehouse management,many such “databases” can be established,which can be realized by computer,automated management of finance and warehouse management,effectively combine the bottom data with the upper management system,and promote the technical level of information management and application. Based on this,this paper analyzed the connotation of pattern recognition technology,summarized the main methods of pattern recognition technology in database management system,and discussed the application of pattern recognition technology in database management system.
0 引言
数据库管理系统是数据库技术的一个重要组成部分，目前已经是比较成熟的技术。而随着社会的不断发展进步，数据库系统的应用越来越广泛，不断应用到社会各领域。人们也不断对数据库进行创新和发展，而模式识别技术就是数据库管理系统应用中的一个比较新型的成果。模式识别作为一门新的学科，被应用到数据库系统管理中，是计算机技术发展的一种新的尝试。近些年来，数据库应用发展到了很多新的领域，像数据通信、电子银行、电子商务、交通管理、电力调度等，语音识别、人脸识别、指纹识别都是模式识别技术的应用表现。它们对数据库系统的要求与传统的数据库系统有着很大的不同，传统的数据库系统只需要保证数据的完整性和一致性，不考虑数据的识别和分析功能。而这些新的领域由于行业比较新颖，与人们的工作和生活息息相关，要大量维护数据共享和数据控制，又需要人们对数据库系统中的数据信息进行及时的识别和处理分类。数据库的信息具有信息量大的特点，如果只是单纯依靠数据库系统，这些信息不能被计算机直接感知，没有办法满足需求，而模式识别技术是一种识别性的技术，能够用数学技术的方法对其中的数据图像或者数据进行识别读取和分析。因此，需要将模式识别技术和数据库系统管理结合起来，以保证数据的实效性。
1 模式识别技术的相关内涵
1.1 模式识别
模式识别技术作为人工智能的基础，在20世纪60年代得到迅速发展和广泛应用，并发展成为一门学科。模式识别对表征事物或者现象的各种形式的信息进行处理和分析，并对其中的信息资料进行描述、辨认、分类和解释。模式识别技术是信息科学和人工智能的重要组成部分。模式具有抽象和具体两种形式，抽象的模式是概念范畴识别研究的总称，是思想意识方面的内容。而我们所指的模式是比较具体的内容，其对具体的内容进行辨识和分类，像文字、图片、照片、语音波形、心电图等。对模式识别的研究目前主要有两个方面，一个是认识科学的范畴，即生物体是怎么感知对象的，是生物学家、心理学家所研究的范畴。另外一个则是计算机科学工作者、信息学专家，以及数学家索要考虑的事情，是在任务给定后，如何实现模式识别的理论和方法。模式识别是理论和技术结合的学科，其与计算机科学、生物学、心理学、统计学、语言学等有着很大的关系。
1.2 模式识别技术在数据库管理系统中的应用
所谓模式识别技术在数据库管理系统中的应用就是通过一定的技术，将模式识别技术与数据库管理系统有效结合起来，对数据库进行有效的管理。数据库是长期存储在计算机中的有组织的、可共享的数据的集合，其对企事业单位、团体和个人进行相关数据的存储，其保存的数据之间存在着自然的联系，数据并不针对某一应用，而是具有整体性。不同的用户可以根据自己的需求，运用不同的方法共享数据库的数据，实现数据的共享，以及对数据进行集中控制。数据库管理系统是管理数据库的大型软件，能够对数据库进行统一的管理和控制，保证数据库的完整性和安全性。数据库管理系统为用户提供各种功能，像数据库的建立、修改和维护，用户能够很方便地对相关数据进行一系列的操作。而模式识别技术应用到数据库管理中能够对其中的表象的事物和现象进行辨别、描述、分类和解释，能够对复杂的、冗杂的数据进行信息处理。其在代替人工脑力识别方面起到了很大的作用，而且其识别度较高，有效地提高了生产效率。模式识别技术侧重于自动化管理，自动识别文字图片，感知度较高，集合的数据量比较大。数据库相当于一个文件柜，即电子文件的“住所”，用户可以对其进行新增、删除和更新，而模式识别技术，可以对其进行辨别和处理分析，实现自动化管理。
2 数据库管理系统中模式识别技术的主要方法
模式识别主要有4种方法，分别是决策理论方法、结构模式识别方法、模糊识别方法，以及人工神经网络模式识别方法，其中决策理论方法和结构模式识别方法目前比较成熟，而且应用比较早，相应的理论和技术都比较成熟。模糊识别方法和人工神经网络模式识别方法相对前两者来说是比较新的方法，随着信息技术的进步而不断被运用到现代化的生产和生活领域中，不断显现出其人性化、便利化的优点，目前得到了人们的重视。
2.1 决策理论方法
决策理论方法也称为统计方法，发展的比较早，且目前比较成熟，它是以概率学和数学为基础的。这种方法首先是将被识别的对象进行数字化，并对其进行预处理，优点是能够将其中混入的干扰信息排除，减少干扰，减少不必要的变形和失真；然后再进行相应的特征提取，就是在预处理后的输入模式中抽取一组特征，它对于一般的失真和变形没有影响，只是会混入少量的冗余信息。从对象空间到特征空间的映射是特征抽取中输入模式的运行过程，在这个过程中压缩了信息量，模式可以用特征空间的其中一个点和矢量来表示，比较易于分类，其中会引入鉴别函数，在特征空间里，计算出各类别的鉴别函数值，通过鉴别函数值的比较实行分类。目前常用的决策方法是最小风险贝叶斯决策法，根据贝叶斯决策法可以得出各种错误决策造成的损失大小，并计算出已经给定的特征矢量的风险大小，进而找出风险最小的决策。
2.2 结构模式识别方法
结构模式识别方法又称为语言学方法，以及句法方法。它的基本思想就是将模式分成一些比较简单的子模式，再进行组合。基元是模式识别的关键单位。它是通过选取基元来进行识别，相当于在决策理论方法中选取特征，所选取的基元对模式的描述需要是紧凑的。基元一般不含有重要的信息。基元和子模式的组合关系反映模式，相当于句子和短句的组合关系。基元被鉴别后，识别过程可以对句法进行分析，并判断给定的模式语句是不是符合指定的语法，采用这种模式的对象一般不是特别复杂。结构模式识别方法目前主要用在文字识别和图形、图像识别中。
2.3 模糊模式识别方法
模糊识别是近30年来发展起来的模式识别技术的一种，是人工智能的分支学科。模糊识别行为包含两种，一种是对具体事物的识别，一种是对抽象事物的识别。具体事物就是指对文字、图片、语言等的识别，抽象识别是对问题或者论点进行识别。模糊识别是以模糊数学为理论基础的，引入了模糊数学方法，进而完成识别功能。其和普通聚类算法有很多的相似之处，但是两者也有着很大的不同，最根本的不同表现为概念的不同，模糊识别将待识别的对象看作模糊集元素，对模糊集进行分类。而普通聚类算法是一种利用统计分析的方法，其是以聚类中的相似性、亲疏程度为基础的，对所研究的问题进行分类研究。人们常用模糊识别技术来设计机器识别系统。数据库系统数据庞大，一些信息比较复杂，需要一定的识别技术作为支撑，而利用模糊识别系统，能够对一些抽象和具体的内容进行有效的分类和识别。
2.4 人工神经网络模式识别方法
人工神经网络模式识别是目前比较热门的研究，是人们对计算机信息分析技术进行人类感知和思维机能的探索，模拟人的神经系统的一种信息处理系统，由大量的神经元按照一定的拓扑结构相互连接而成。人脑是由大量的神经元组成的，而人工神经网络正是通过模拟人脑来实现其基本功能，在很大程度上能够代替人脑进行一些信息系统的操作，目前人工神经网络模式识别技术作为一种崭新的技术具有优良的性能，在很多领域得到了应用和渗透，像信号处理、知识处理、生物医学工程等，人工神经网络具有分类识别、智能控制、联想记忆的功能。
3 模式识别技术在数据库管理系统中的应用
3.1 字符识别
字符识别是模式识别技术在数据库系统中应用的一种，主要是识别数据库中的文字和数据信息。字符识别主要是两种，一种是文字信息，一种是数据信息。文字信息是人们使用最多的信息，在计算机数据时代，对数据库系统中的文字信息进行识别，是模式识别在数据库系统中应用的突出表现，也是实现快速的人机互动的重要表现。文字信息包含的类型比较多，其中文本信息是我们常见的也是数据库中存储比较多的信息，处理的问题文本信息不仅包含印刷体还包含手写体。文字信息除了汉字，还包含一些外语，都能够进行快速有效的识别，进而实现人机互动。数据信息是字符识别的另外一种表现形式，主要是对阿拉伯数字和一些特殊符号进行处理，像财务报表、银行票据、邮政编码等都属于数据信息处理的一种。在数据库中包含了大量的数字和特殊符号，将其应用到数据库是信息技术的一大进步。数据库中的文字和数据具有字量大、符号多、结构复杂的特点，有一些文字和符号也比较相似。字符识别作为一种信息处理的手段，在大数据时代，具有广阔的市场空间和应用前景。以下是文字图像的识别原理图，如图1所示。
图1 文字图像的识别原理
文字图像识别是文字识别的一种，对文字图像中的文字进行识别和分离，以便后续进行识别，并对区分分割中的文字图像信息，去除一些无用的信号和信息，简化判断过程，进行特征提取。
3.2 声纹识别
数据库管理系统中含有大量的语音信息，由于人类的音色在音调和音色上都存在差异。指纹又是唯一的，两者的可复制率都比较低。目前企事业单位为了方便对人员进行管理，通过将指纹信息录入系统，并利用相应识别技术，实现人工智能操作一些办公流程。由于声纹识别的准确度比较高，且造价具备经济性的特点，目前已经得到了普遍应用。隐马尔柯夫模型（HMM）方法是目前语音识别的主流技术，识别率比较高。由于人们皮肤的纹路、交叉点都是不一样的，可以是说唯一的，利用这种唯一性，对其指纹进行识别以及保存，再次录入指纹时就可以进行比对分析，这成为验证身份的主要手段。目前在医学、生物，以及公安刑侦方便得到了广泛应用。
4 结论
总而言之，在大数据时代，很多企业都引入了智能化技术。模式识别技术是人工智能和信息技术结合的重要技术形式，在数据库中引入智能化，可以有效地搜集数据资源，组成信息数据库，以促进信息的规范性和准确性。在数据库的搭建中，企业要积极引进智能化的计算技术软件，并利用不同的模式识别技术，更科学地处理数据信息，确保信息分析结果的专业性和准确性。在获得信息结论后，还要看信息结论的实用性如何，只有将信息结论与实际的生产和管理相结合，才能促进相关行业的发展，并实现对相关数据业务的整合。
参考文献
[1]陈银萍.基于人工智能中的图像识别技术的分析[J].信息与电脑（理论版），2019(1):165-166.
[2]张聪.智慧城市安防领域中模式识别技术的应用研究[J].计算机产品与流通，2019(2):97.
[3]江波，史凤波.文字识别领域中模式识别技术的应用[J].科技资讯，2015,13(27):6-7.
