仿生模式识别应用的研究.pdfVIP

仿生模式识别应用研究 摘要 模式识别是人工智能的一个重要的研究应用领域。随着人工智能的飞速发 展，模式识别也相应地在许多领域得到了广泛的重视和应用。然而，由于传统的 统计模式识别以“最佳划分为目标，存在着许多局限性，因而其应变能力差， 实际效果远不能令人满意。 近年来提出了一种仿生模式识别方法。这种新的模式识别方法是基于“认识一 事物而不是基于“区分”为目的，更接近于人类“认识刀事物的特性。以阿源同 类样本间的连续性为先验概率，利用多权值高阶神经元网络，建立高维空间封闭 超曲面完成对“事物的最佳覆盖，从而达到识别的目的。本文主要针对仿生模 式识别方法及其应用进行了研究，在国家自然科学基金项目的支持下，初步完成 了对同一藻类细胞不同形态的识别。 本文主要工作： 1．阐述了模式识别的发展现状、系统构成和基本方法，并在此基础上总结了传 统的模式识别的局限性。与传统的模式识别进行比较，从人类认知的角度介 绍了仿生模式识别理论及其同源连续性原理，从理论上突出了仿生模式识别 的优越性。 2．对仿生模式识别的数学工具进行了研究：引入了高维空间几何的一些基本概 念及公理，分析了高维空间中点分布的相关性质及点覆盖的方法。高维空间 与几何方法相结合为信息科学发展尤其是模式识别问题的探索提供了思路， 因此可以实现对高维空间复杂几何体的构造。 3．重点研究了仿生模式识别的应用问题：仿生模式识别中建立的多权值神经元 在高维空间里表现为一个封闭的超曲面，可以同时涵盖BP算法神经网络和 RBF神经网络的功能，能够较好地完成网络覆盖。通过选取一种超香肠形式的 神经元进行神经网络集成，表征高维空间中一点与两点之间的距离关系，构 建目标的几何形体覆盖，从而对目标进行识别。由大量实验结果表明，超香 肠神经元网络较好地完成对藻类细胞的识别，而且少量训练样本也可以达到 期望的识别效果，同时随着样本数量的增加，其正确识别率越高。 ； 关键词：仿生模式识别；模式识别；高维空间点覆盖；多权值神经元网络 Ⅱ 知识水坝@pologoogle为您整理 I i ofBi omi meti cPattern Researchon i caton App i i ton Recogn Abstract ofthemost areasofresearchand Pattem isone important application recognition onartificial the ofartificial development intelligence．Withrapid hasbeen usedin tothe recognitionaccordin#ywidely manyfields．However,owing traditionalstatistical itsmain patternrecognitionregarding“optimalseperating’as exist is in limitations．Hence，it