模式识别(pattern recognition)是近30年来得到迅速发展的人工智能分支学科。模式识别不仅指感官对物体的感觉，它也是人们的一种基本的思维活动。根据被识别模式的性质，可以把识别行为分为两大类：具体事物的识别，如对文字、照片、音乐、语言等周围事物的识别；抽象事物的识别，如对已知的一个论点或一个问题的理解等。

概念

模糊模式识别的理论基础

模糊模式识别在经济学中的应用

模糊模式识别在公共财政中的应用

概念

模糊模式识别是模糊集理论研究中的重要方向，神经网络是数据挖掘中的一种常用方法。

模糊模式识别的理论基础

1965年，美国著名控制论专家、加利福尼亚大学L.A.Zadeh(1965)教授提出模糊集(fuzzy sets)概念，建立了模糊集理论，创造了研究模糊性或不确定性问题的理论方法。近40年来，模糊理论与技术得到了迅猛发展，以模糊集理论为基础的应用学科，如模糊聚类分析、模糊模式识别、模糊综合评判、模糊决策与模糊预测、模糊规划、模糊控制、模糊信息处理等已在工业、农业、医学、军事、计算机科学、信息科学、管理科学、系统科学、工程技术等学科领域中发挥着非常重要的作用，带来了巨大的经济效益。

在日常生活中，人们常常通过感官来对图形、文字、语言等作出识别，在气象科学领域、工程勘察领域、环境工程领域、医学领域、刑侦领域、军事领域等等方面的工作都有一个共同特点，就是都涉及利用已知的各类型来识别给定对象属于哪一个类型的问题，这就是模式识别问题。

模式识别(pattern recognition)是近30年来得到迅速发展的人工智能分支学科。但是，对于什么是“模式”，或者什么是机器(也包括人)能够辨认的模式，迄今尚无确切的定义。这里，我们只能形象地解释说，人之所以能识别图像、声音、动作，文字字形、面部表情等等是因为它们都存在着反映其特征的某种模式。这种解释仍属同义反复，根本没有诠释模式的内涵和外延。连人工智能专家卡纳尔(L.Kanal)也认为：“如果一旦出现了对模式的定义并被证实能够推动理论的发展，那将标志着人类智力的一大进步。虽然如此，目前的局面并不影响模式识别在各领域中广泛的应用。”

人类对模式识别过程的机理目前仍然不是很清楚。对具体事物的识别主要是心理现象，对抽象事物的识别主要是思维现象。当一个人对于具体事物的认识，涉及人与客观事物在人类感官中所引起的刺激之间的关系。当一个人感受到一个模式时，他把此感觉与他从自己过去的经验中得来的一般概念或线索结合起来，并作出归纳性的推理判断。由于客观事物的特征存在不同程度的模糊性，使得经典的识别方法越来越不适应客观实际的要求，模糊识别正是为了满足这一要求而产生起来的。

模糊识别的模糊集方法即模糊模式识别是对传统模式识别方法即统计方法和句法方法的有用补充，就是能对模糊事物进行识别和判断，它的理论基础是模糊数学。模糊模式识别就是在模式识别中引入模糊数学方法，用模糊技术来设计机器识别系统，可简化识别系统的结构，更广泛、更深入地模拟人脑的思维过程，从而对客观事物进行更为有效的分类与识别。

模糊模式识别在经济学中的应用

随着电子计算机、控制论、系统科学的迅速发展，要使计算机能像人脑那样对复杂事物具有识别能力，就必须研究和处理模糊性。在自然科学中，模糊模式识别被广泛运用。如，1992年，美国科学基金会(National Science Foundation)发起举行了一次研讨会，专门讨论有关语言技术所面临的挑战；2000年10月中科院自动化所模式识别国家重点试验室以核心成员身份加入C-STAR(Consortium for Speech Translation Advanced Research)。

伴随着各门学科，尤其是人文、社会学科及其他“软科学”的不断发展，数学化、定量化的趋势也开始在这些领域中显现。模糊模式识别不再简单局限于自然科学的应用，同时也被应用到社会科学，特别是经济管理学科方面。

如陈守煜(2001)提出了可持续发展系统评价的模糊识别的模型和方法，其中包括确定评价指标权向量的模糊安全决策原理与方法。该模型和方法可用于社会经济、生态环境、资源、能源等可持续发展系统的评价。陈守煜(2002)依据经济区划时“中心城市”概念的模糊性，提出确定中心城市的模糊模式识别模型。他还提出了确定多目标指标权重的模糊决策分析法，通过确定指标对模糊概念“重要性”的相对隶属度来确定目标权重，避免了权重的主观性。张守凤等(2003)以三角模糊数来表示模糊概念，提出一种新的多层多级模糊模式识别模型，并运用该模型对某企业竞争力进行模糊综合评判和模式识别。在传统的模糊模式识别基础上，王颖(2004)运用正态隶属云代替传统模糊识别方法中精确的隶属函数，构建了相关正态云模型，对云理论在经济管理领域中的应用做了初步探讨，并对企业市场竞争性定位进行识别，克服了由于隶属度确定的惟一性所导致的最终失去模糊性的理论缺陷，从而使获得的判识结论更加合理且贴近实际。王忠彬等(2004)运用系统与模糊分析相结合的方法，首先将金融机构面临的资产风险分解成若干个风险因素子系统；然后以金融理论为指导建立各子系统风险因素评荐的隶属度矩阵，并在此基础上采用模糊间接识别模型及贴近度的概念，构造了一个子系统因素模糊识别模型；最后通过各子系统模糊识别模型的合成，建立了整个金融机构系统模糊识别模型，达到了整个金融机构风险排序、化解金融隐患和保证国家经济安全的目的。

模糊模式识别在公共财政中的应用

公共财政是国家(政府)为主体的经济活动(分配活动)，是一种着眼于满足社会公共需要的经济活动或分配活动。社会公共需要决定着公共财政的存在，决定着公共财政的活动范围和活动效果。公共财政应着眼于满足社会成员的公共需要，而不应该超越市场的力量去满足社会成员的私人需要。

对公共财政情况的判断，从实际的意义上讲，需要综合考虑两方面的问题：一是对公共财政的状态作出综合判断，确定公共财政此时处于何种情况，以利于采取相应的措施；二是对公共财政管理中出现的多种情况进行优劣排序，判断状况好坏，以利于积累管理中的经验并补充调研资料。这两类问题同时又是相互联系的，后者为前者提供了更周密详尽的判断依据。

鉴于公共财政优劣评价具有模糊性，因此可以将模糊模式识别理论用于优劣评价中，对评估指标体系进行设计，利用模糊识别理论的方法，对公共支出情况作综合评价并对10个省份的公共支出情况作出综合排序。

(1)模型建立

首先，需要确定用来作判断的指标体系，也就是确定进行模糊识别的论域X。

本文将我国公共财政中的公共支出情况作为识别的对象，这里，我们将研究的口径确定在10个省份(北京、上海、浙江、广东、山西、湖北、湖南、陕西、云南、甘肃)，并且将财政支出系统模糊确定为基本建设支出、农林业支出、教育支出、医疗卫生支出、社会保障补助支出、行政管理支出、公检法司支出以及专项支出等几个子块组成，由它们构成论域X：

={基本建设支出、农林业支出、教育支出、医疗卫生支出、社会保障补助支出、行政管理支出、公检司支出、专项支出}。

根据模糊模式识别的基本原则，结合公共财政管理长期的经验积累和实际情况，可以建立论域X上的一系列模糊子集，这一系列的模糊子集分别表示公共财政管理的各种不同的模糊状态。根据上述假设，令j=10，那么，模糊子集A

根据模糊识别矩阵规定阀值λ，依据阀值原则，可以得到入截矩阵R①，从而可选择出最优的向量。去掉该向量，重复此方法可依次得出此优向量。

(2)数据收集

以我国10个省份(北京、上海、浙江、广东、山西、湖北、湖南、陕西、云南、甘肃)的公共财政支出(基本建设支出、农林业支出、教育支出、医疗卫生支出、社会保障补助支出、行政管理支出、公检法司支出、专项支出)为口径加以研究。