2015模式识别与人工智能期刊是ei吗

一、2015模式识别与人工智能期刊是ei吗

不是，该刊12年被EI终止收录

《模式识别与人工智能》是由中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办、科学出版社出版的学术性期刊。本刊主要发表和报道模式识别、人工智能、智能系统等方面的研究成果与进展，旨在推动信息科学技术发展。

1、自1992年以来，一直被《中文核心期刊要目总览》收为自动化技术、计算机技术领域核心刊物。

2、1994年起，为《中国学术期刊文摘》引用期刊。

3、1995年，被美国工程信息公司（Ei）收为Ei Page One数据库收录期刊。

4、1996年被《中国科学引文数据库》列为来源期刊及统计源。

5、1998年，被教育部定为“学位与研究生教育中文重要期刊”之一。

6、1999年～2000年，获国家自然科学基金委择优支持基础性和高科技学术期刊专项资助经费资助。

7、2008年～2012年，被 EI Compendex 数据库收录。

8、2010年～2014年，获中国科协精品科技期刊项目资助。

9、为适应和推动我国人工智能、模式识别学科发展，本刊1999年由每期80页扩版至128页，2000年起由16开本改为大16开本，2004年由季刊改为双月刊，2013年由双月刊改为月刊。近两年来，本刊每期作了较大扩版。

二、心理学 什么是模式识别?它有哪些模型?

以下为本人精华笔记，绝非网页复制

模式识别理论，这个是理论热点

模式：刺激的空间组合和时间组合，即刺激的整体结构。如视觉刺激模式、听觉刺激模式等，各个模式都不相同，复杂模式还会包含子模式。

模式识别：个体确认所知觉的模式是什么，并将它与其它模式区分开来。是知觉研究中认知心理学的主要研究领域

模式识别过程：感觉信息与长时记忆的有关信息进行比较，决定它与哪个长时记忆中的项目有着最佳匹配的过程。

（1）模板匹配理论：长时记忆中存储了各种与过去生活中形成的外部模式相对应的袖珍副本（模板），内在模板与客观事物的刺激模式之间存在着一一对应的关系。模式识别是将刺激提供的信息与相应的模板进行匹配的过程

，是一种自下而上的加工模型。精确匹配

优点：模板说可以在一定程度上解释人在知觉过程中如何进行模式识别，并在实现具有人工智能的机器模式识别中得到了实际运用。

缺点：模板说在解释人的模式识别方面仍然有许多缺陷。①按照该理论的假设，每一个有千变万化现象的同一个事物，记忆系统中都要储备与之一一对应的模板才能识别，需要在记忆中存储大量模板②这种理论对模式识别的解释比较刻板和生硬，缺乏人们在实际知觉中对模式识别的灵活性和变通性③没有明确阐释模板匹配的机制，尤其难以解释人们迅速识别一个新的、不熟悉模式的现象。

（2）原型理论：记忆中储存的不是与刺激模式一一对应的模板，而是一类刺激模式的原型（有关某一类事物或刺激模式的概括性表征，反映一类客观事物所具有的共同基本特性）。模式识别是在记忆中找到与当前的刺激模式最相似的原型的过程，不需要严格匹配，只要存在相应的原型，新的、不熟悉的模式也可以得到识别。近似匹配

优点：原型匹配理论大大减少了模板的数量，不仅减轻了记忆负担，而且使模式识别的过程具有灵活性和变通性。这种识别过程基本与日常生活经验相符。

缺点：理论不够清晰直观；匹配过程只强调自上而下的加工，而缺少自下而上的加工。

（3）特征分析理论：每一种刺激模式都能被分解成一些基本特征，同一类别模式的刺激物具有共同的基本特征。刺激信息的特征和对这些特征的分析在模式识别过程中起着关键性的作用。

人已有的知识经验中的客观事物，以各种基本特征的方式储存在记忆系统中，模式识别的过程首先是对刺激信息的特征加以分析，抽取有关特征并加以合并，再与长时记忆系统中已储存的各种相应的特征比较，一旦获得二者特征之间最佳匹配，刺激就被识别。最佳匹配

优点：①依据刺激的特征进行识别，避免预加工的困难，使识别有更强的适应性②同样的特征可以出现在许多不同的模式中，极大地减轻了记忆负担③在识别中需要抽取必要的特征，再加以综合，使模式识别过程有更多的学习色彩。

缺点：只有自下而上的加工，没有自上而下的加工，由局部加工到整体加工，无法说明人在识别模式中的主动性和能动性。

实验58 视觉搜索实验（特征整合论）Treisman特雷斯曼,1980

鬼域模型：Selfridge (1959)提出，以特征分析为基础，将模式识别过程分为4个层次。即映象鬼（对外部刺激进行编码，形成刺激的映象）、特征鬼（对刺激的映象进行分析，分解为各种特征）、认知鬼（监视各种特征鬼的反应，当发现了有关的特征时就会喊叫）和决策鬼（根据这些认知鬼的喊叫，选择喊叫声最大的那个认知鬼所负责的模式，作为所要识别的模式）

三、计算机图形学、图形图像处理、人工智能和模式识别 四个学科之间的联系和区别？

计算机图形学是一种使用数学算法将二维或三维图形转化为计算机显示器的栅格形式的科学；

图形图像处理泛指如何对各类图形或图像进行各种处理；

人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学；

模式识别是人类的一项基本智能，在日常生活中，人们经常在进行“模式识别”。随着20世纪40年代计算机的出现以及50年代人工智能的兴起，人们希望能用计算机来代替或扩展人类的部分脑力劳动，从而提高模式识别的自动化程度，因此模式识别在20世纪60年代初迅速发展并成为一门新兴学科。

综上所述，我觉得计算机图形学偏向于研究使用计算机技术处理图形的一些基础方法，而图形图像处理则是各种处理的统称。人工智能偏重于研究模拟人类智能的方法，而模式识别本身就是人类智能的一部分，当然人们同样希望能使用计算机或其它手段模拟人类进行模式识别。