鲁棒模式识别研究进展

目前诸多模式识别任务的识别精度获得不断提升，在一些任务上甚至超越了人的水平。单从识别精度的角度来看，模式识别似乎已经是一个被解决了的问题。然而，高精度的模式识别系统在实际应用中依旧会出现不稳定和不可靠的现象。因此，开放环境下的鲁棒性成为制约模式识别技术发展的新瓶颈。实际上，在大部分模式识别模型和算法背后蕴含着三个基础假设：封闭世界假设、独立同分布假设、以及大数据假设。这三个假设直接或间接影响了模式识别系统的鲁棒性，并且是造成机器智能和人类智能之间差异的主要原因。本文简要论述如何通过打破三个基础假设来提升模式识别系统的鲁棒性。