分享到:

高维复杂模式识别的新方法

现代科学技术的发展,需要对研究对象的特征有更深入全面的认识。因此,对模式识别技术的使用更加普及,而希望识别的问题更为复杂,这就使模式识别的应用领域不断地扩展,并推进了模式识别新理论和新方法的不断诞生。为了能更加精确、完整地描述对象,需要采用维数较大的模式。另一方面,由于对物性检测手段的现代化和多样化,在维数增大的同时,各自变量间的相关性也更为复杂。随着模式维数和复杂性的增加,各种降维映射方法和关联自变量与因变量的建模方法被引入模式识别领域,并越来越显示出它们的重要性,这也就是本文的研究重点。本文对自组织映射网络(SOM)学习算法和非线性映射方法(NLM)进行改进,并进一步提出了保留模式特征的映射算法,应用于高维复杂化学模式识别,获得良好的结果。此外,提出自适应偏最小二乘回归建模方法,并在实际应用中,获得良好的结果。在机理模型参数确定方面,提出了混沌遗传算法。本文的主要研究成果可归纳如下:1)为了提高自组织映射网络(SOM)输出层  (本文共161页) 本文目录 | 阅读全文>>

浙江工业大学
浙江工业大学

高维仿生信息几何学研究及其在模式识别中的应用

模式识别成为国内外人工智能研究的热点问题之一。由于样本的高维数据集呈现低维几何流形分布的特性,使得传统模式识别方法在很多问题上遇到了瓶颈。如何认识和利用高维数据的内部几何分布特性,探索人类对事物认识的方式是解决模式识别问题的新方向。高维仿生信息几何学正是从几何学的角度来认识和分析数据分布,试图通过模拟人类形象思维来解决模式识别中的实际问题。我们从高维仿生信息几何学在模式识别的应用中发现以下问题:首先,如何对高维数据集进行合理的覆盖,也就是怎样提取高维数据集的“核”来构造覆盖区域;其次,在样本数量比较大的情况下,怎样提高识别效率?怎样构造半监督分类器?等等。针对以上一些问题,本文试图将高维仿生信息学理论和流形学习、机器学习等方法结合起来找到答案,本文研究工作主要包括以下几方面:研究了传统仿生模式识别的超香肠神经元模型和网络学习算法,针对其不足提出了多自由度神经元模型和网络学习算法,通过人脸识别实验比较了两种神经元模型的优劣,与SV...  (本文共124页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

模式识别的核方法研究

模式识别是一门以应用为基础的学科,模式识别研究的理论和方法在很多方面得到了成功的应用,所有这些应用都是和问题的性质密不可分的,至今还没有发展成统一有效的可应用于所有问题的模式识别方法。由于大量实际的模式识别问题是具有多类别的高维复杂模式的识别,因此研究复杂模式的分析和分类方法是必要而且有意义的。基于核函数的学习方法(简称为核方法)是从统计学习理论中发展出来的较新的学习方法,它有效克服了传统模式识别方法的局部极小化和不完全统计分析的缺点。核方法本质上是非线性的信息处理工具,它在处理具有非线性关系的高维复杂模式识别问题时,有着其它学习方法无法比拟的优越性。核方法的研究和应用目前正方兴未艾,新的算法不断地被提出,但是作为一种尚未成熟的技术,仍然存在着许多不完善和有待解决的问题,如核函数的构造和选择、多类分类等问题,因此研究基于核方法的复杂模式识别理论具有重要的意义。本论文研究的内容主要侧重于如何用核方法实现高维多模式对象的特征提取和模...  (本文共100页) 本文目录 | 阅读全文>>

首都师范大学
首都师范大学

从多元逻辑电路到多维空间仿生信息学的自主创新之路

王守觉是半导体器件与电子学家、信息科学学家,中国半导体器件与微电子技术的奠基人之一,半导体人工神经网络和多维空间仿生信息学的开拓者,中国科学院院士。他从事科研工作60余年来,为我国半导体电子学、人工智能及信息科学领域做出了重要贡献。1958年,研制成功我国第一根锗合金扩散高频晶体管,并应用于当时国防工业急需的晶体管高速计算机。1963年,利用硅平面工艺制成硅平面晶体管,为我国研制应用于国防领域的微型计算机奠定了基础。1974年,用自制的图形发生器开发出集成电路自动制版技术,制成了大规模集成电路掩膜版,解决了制约集成电路发展的关键性问题。1976年,提出了一种新的高速集成逻辑电路——多元逻辑电路,大幅提高了电路运算速度。1990年,开始致力于半导体人工神经网络、模式识别的基础理论与应用研究,后在此基础上创建了多维空间仿生信息学,使神经网络对实物对象的识别能力达到了世界先进水平。纵观王守觉院士的科研生涯,他的研究方向多次发生变化,且...  (本文共89页) 本文目录 | 阅读全文>>

山东科技大学
山东科技大学

基于信息理论的数字模式识别及应用研究

本文在国家自然科学基金资助项目“信息模式识别理论及其在地学中的应用”(项目编号:40074001)的支持下,以信息理论为切入点,集统计理论、系统理论、模糊数学理论、模式识别理论于一身,对数字模式识别(DPR)理论进行了系统地研究。首先在现有模式测度理论基础上,系统地研究了信息模式测度(IPM)理论。基于信息理论,提出了对称交互熵(SCE)、关联信息系数(IIC)、离散量(DC)等基本概念,以此为基础,建立了交互距离测度(CDM)、关联信息测度(IIM)、信息距离测度(IDM)以及信息系数测度(ICM)等理论。所有这些理论与方法,拓宽了信息模式相似性测度的研究领域,是DPR研究的重要组成部分;其次系统地讨论了基于离差阵判据、基于概率距离判据、基于散度判据及基于信息熵判据的信息特征压缩方法,对其算法分别进行了研究;根据信息熵的思想,提出了第二表示熵或广义熵以及几何熵,并论证了DKLT比其它任何正交变换下的广义熵、几何熵为最小,从而x...  (本文共149页) 本文目录 | 阅读全文>>

四川大学
四川大学

企业核心能力的湍流挖掘模型及挖掘实验

核心能力是企业“可持续”发展的动力源泉,是企业提升竞争力的根本所依。作为管理学和经济学相互融合的产物,它的出现标志着战略管理的一种新模式的诞生。然而,在关于企业核心能力的研究过程中,大多数的中国企业甚至国外拥有先进管理理念的大企业也很难查明其核心能力的真正所在,也很难寻获其构建核心能力的潜在途径,也很难探测其核心能力的内在整合形式,也很难感知其当前核心能力的失效临界域,也很难预推其核心能力可能的演化趋势。在事实上,这些问题都应归结于企业核心能力挖掘研究的范畴。由于这个范畴涉及到企业战略的方向选择,因此,上述问题如不能在核心能力挖掘探索中得到有效的解决,对企业生存和竞争优势耐久性产生的的危害将是直接和长期的。反之,如能不断尝试它们新的求解之道,则可能最终有助于促进企业成长、延长企业生命的周期。对于还处在成长期的中国企业整体而言,愈演愈烈的国际国内双重竞争态势,不仅使企业核心能力挖掘研究成为了战略管理的一项重要课题,而且赋予它愈加迫...  (本文共272页) 本文目录 | 阅读全文>>

兰州大学
兰州大学

非对称神经网在模式识别中的应用

本文重点讨论了由蒙特卡罗—选择变异规则设计的非对称反馈神经网络的动力学特性,以及这类神经网络在模式识别和联想记忆等应用领域中所表现出来的优越性。本文的第二部分研究非线性晶格点阵中孤波碰撞时的空间跳跃行为。蒙特卡罗—选择变异规则(简称MCA)是由赵鸿教授提出的用于设计非对称神经网络的一种整体学习规则。其主要思想是通过有选择地随机改变连接矩阵使系统在给定的训练目标下达到整体最优。对于反馈神经网络这类高维非线性动力系统而言,其训练目标是控制存储模式所激发的神经元局域场分布从而使系统获得最佳性能。由此发现的参数空间的三个动力学相区(即:“混沌相”、“记忆相”和“混合相”)不但对实际应用中表现出极大的优越性,而且对于研究这类时空离散动力系统的整体行为也具有重要的理论价值。因此,在本文中我们首先介绍了MCA学习规则及其在整个神经网络理论体系中所处的地位和作用,并通过选择投影的方法对不同相区系统的状态空间做了进一步刻画和描述。接着,我们详细讨...  (本文共146页) 本文目录 | 阅读全文>>