统计模式识别的主要工作是选取什么表达模式和设计分类器进行分类

统计模式识别的主要工作是选取特征表达模式和设计分类器进行分类。在具体应用中，需要对原始数据进行预处理和特征提取，将数据转换为可供分类器处理的形式。特征表达模式的选取是从原始数据中提取有用的信息，用于描述数据的特征。常见的特征表达模式包括形状、颜色、纹理等。在特征表达模式选取后，需要设计分类器，将数据分类到不同的类别中。常见的分类器有贝叶斯分类器、支持向量机、神经网络等。分类器的设计需要根据具体应用场景和数据特点进行选择和优化，以提高分类器的分类精度。因此，统计模式识别的工作流程包括数据预处理、特征表达模式选取和分类器设计三个步骤。