：模式识别主要是对已知数据样本的特征发现和提取，比如人脸识别、雷达信号识别等，强调从原始信息中提取有价值的特征，在机器学习里面，好的特征所带来的贡献有时候远远大于算法本身的贡献；

模式分类可以理解为对具有了给定特征的样本通过分类器来进行分类，典型的模式分类方法有线性分类器（感知器，Fisher判别）、非线性分类器（BP神经网络、RBF、SVM），现实场景中主要是非线性啦，还有贝叶斯判决、C4.5、随机森林等等等等。

这几门技术目前来说的话都是现在比较流行的技术，而计算机图形是指在计算机操作，一些图形化软件而图形图像处理。是处理图片的专业，而人工智能和模式识别。主要针对的场景和应用不同。

模式识别与智能控制专业是非常有前途的。我就不给你介绍什么技术了。举几个应用的例子吧：

一、现在很多的手机都可以实现手写输入，这是模式识别；

二、有的手机可以做到通过语音呼叫而不用输入号码，来拨打，这是模式识别；

三、几乎每家银行，你都可以看到的指纹识别系统，这是模式识别；

四、最起码，这个专业毕业，你的计算机能力应该是很强的。综上，毕业是很有前途的。祝贺你。

模式识别系统，由数据获取、预处理、特征提取、分类决策和分类器设计5部分组成。模式识别系统各组成单元的功能如下：1）数据获取：利用计算机可以运算的符号来表示所研究的对象，对应于外界物理空间向模式空间的转换。一般，获取的信息类型有以下几种。一维波形：心电图、脑电波、声波、震动波形等。二维图像：文字、地图、照片等。物理参量：体温、化验数据、温度、压力、电流、电压等。2）预处理：对由于信息获取装置或其他因素所造成的信息退化现象进行复原、去噪，加强有用信息。3）特征提取：由信息获取部分获得的原始信息，其数据量一般相当大。为了有效地实现分类识别，应对经过预处理的信息进行选择或变换，得到最能反映分类本质的特征，构成特征向量。其目的是将维数较高的模式空间转换为维数较低的特征空间。4）分类决策：在特征空间中用模式识别方法（由分类器设计确定的分类判别规则）对待识模式进行分类判别，将其归为某一类别，输出分类结果。这一过程对应于特征空间向类别空间的转换。5）分类器设计：为了把待识模式分配到各自的模式类中，必须设计出一套分类判别规则。基本做法是收集一定数量的样本作为训练集，在此基础上确定判别函数，改进判别函数和误差检验。模式识别的关键是解决如何利用计算机进行模式识别，并对样本进行分类。执行模式识别的基于计算机的系统（可以是台式机、笔记本电脑或基于单片机、DSP和ARM等有计算能力的系统）称为模式识别系统。