数据挖掘：

         数据挖掘从字面上就已经很好理解了，就是从一堆数据中，挖掘出一些有用的信息来的过程。比如说，我们的搜索数据，如果某个地区大部分人都在搜索MH370，表示他们在关注这个事情。我们就可以推荐一些安全知识，飞机知识过去。同样的也可能会有蜡烛销售高潮，提前给他们提供便利。这个就是数据挖掘的工作内容。

        数据挖掘这些书的主要内容，数据有多少种，什么是有效数据，数据的维度，离散性，相似性。有很大的篇幅是在讲述数据的有效提取等有关数据的性质。剩下的一大部分篇幅就是这些数据的处理。数据的处理，整合，分析，预测等就是机器学习的范围了。

我毛华望QQ849886241。技术博客http://blog.csdn.net/my_share  

模式识别：

着重物体的识别，基本模式识别都急于图像的，语音的，模式识别里面的数据，大部分都是像素点数据，声音。数据挖掘都是指标类数据，升高，体重，点击率，回复率，关注度等。模式识别的主要内容，比如说，相片里面的这个人是谁，我们手上拿的两种鱼，用电脑识别开，都是模式识别的工作。

       模式识别这类书的主要内容，都是机器学习的算法，这两本书是没有多少差别的。可是机器学习，它的内容不仅仅针对图像，还针对其他类型的数据。而模式识别就只针对图像类的数据进行识别分析。在你google的过程中，模式识别的书很少，因为可以直接由机器学习的书全部代替。

图像处理：

      图像处理，是模式识别的前期 工作，比如图像上面黯淡无光，就需要进行对比度提升等等。图像处理的书大部分人都看过了，内容就是形态学变换，图像增强，降噪，锐化，直方图分析，图像压缩等等。

     做完图像处理后，图像上的内容是什么就交给模式识别了，或者机器学习来进行分类了。

人工智能：

人工智能算最宽泛的一种领域了，数据挖掘，模式识别都可以笼统的放到人工智能里面。举例子：文字的理解，表情的分析都是人工智能里面的，人工智能写诗歌，这些都是人工智能。其他的数据挖掘，都是从人工智能里面提取出来的分支而已。人工智能是一个非常大的领域。

       至于人工智能的书，都是很宽泛的讲解那些，什么是人工智能，它的历史，有什么难点，文字怎么理解，和人的智能有什么差别等，很理论的东西。

机器学习：

      机器学习的书，就是一群数学算法，贝叶斯，均值聚类，神经网络，深度学习，支持向量机等。也是做到分析，推理的核心了。模式识别，最后的识别就是靠它。数据挖掘，最后的分析也是靠它。人工智能，最后的智能现象也要靠它。模式识别，数据挖掘，人工智能都是领域，而最后完成的处理都是机器学习。

基本内容呢？？就是这些了，各位想从事哪个方向呢？？？自己去选择吧。不过我还是分析一下目前的情况吧。

目前的社会情况：

百度，阿里，腾讯和各类金融，互联网公司，大部分的机器学习工程师，都是用于数据挖掘的。也是目前最火爆，待遇最好的方向。所以，偏向于数据挖掘更好一些。

而模式识别类机器学习就比较少了。比如说三维重构，好像目前就没有公司在做，google到图像搜索和智能汽车涉及到了一些外，其他公司的都是基于大数据的分析，推荐系统等。

-------------------------------------------------------------------------------------------------------------------

这学期分别学习了《数据挖掘》《机器学习》和《模式识别》三门课程，为了搞明白这三者的关系，就google了下，一下为一些从网上获得的资料。

      数据挖掘和机器学习的区别和联系，周志华有一篇很好的论述《机器学习与数据挖掘》可以帮助大家理解。数据挖掘受到很多学科领域的影响，其中数据库、机器学习、统计学无疑影响最大。简言之，对数据挖掘而言，数据库提供数据管理技术，机器学习和统计学提供数据分析技术。由于统计学往往醉心于理论的优美而忽视实际的效用，因此，统计学界提供的很多技术通常都要在机器学习界进一步研究，变成有效的机器学习算法之后才能再进入数据挖掘领域。从这个意义上说，统计学主要是通过机器学习来对数据挖掘发挥影响，而机器学习和数据库则是数据挖掘的两大支撑技术。从数据分析的角度来看，绝大多数数据挖掘技术都来自机器学习领域，但机器学习研究往往并不把海量数据作为处理对象，因此，数据挖掘要对算法进行改造，使得算法性能和空间占用达到实用的地步。同时，数据挖掘还有自身独特的内容，即关联分析。

而模式识别和机器学习的关系是什么呢，传统的模式识别的方法一般分为两种：统计方法和句法方法。句法分析一般是不可学习的，而统计分析则是发展了不少机器学习的方法。也就是说，机器学习同样是给模式识别提供了数据分析技术。

至于，数据挖掘和模式识别，那么从其概念上来区分吧，数据挖掘重在发现知识，模式识别重在认识事物。

机器学习的目的是建模隐藏的数据结构，然后做识别、预测、分类等。

因此，机器学习是方法，模式识别是目的

FPGA机器学习之数据挖掘，图像处理，模式识别，人工智能，机器学习的关系