[發明專利]一種模式分類模型由抽象到具體AtoC模型

無效

• 申請號: 201010197945.9
• 申請日: 2010-06-10
• 公開（公告）號: CN101944181A
• 公開（公告）日: 2011-01-12
• 發明（設計）人: 顧曉東;王林路;汪源源
• 申請（專利權）人: 復旦大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 上海正旦專利代理有限公司 31200
• 代理人: 陸飛;盛志范

技術領域

本發明屬于圖像識別技術領域，具體涉及一種模式分類模型由抽象到具體AtoC模型，由抽象到具體AtoC(Abstract?to?Concrete)模型可以用于圖像識別中，特別是類別較少的模式識別中，如表情識別、數字識別等問題。

背景技術

模式識別分類問題是指根據待識別對象所呈現的觀察值將其分到某個類別中去。如何作出合理的判決就是模式識別分類器要討論的問題。在統計模式識別中，感興趣的主要問題并不是決策正誤，而在于如何使決策錯誤造成的分類誤差在整個識別過程的風險代價達到最小。模式識別算法的設計都是強調最佳與最優，即希望所設計的系統在性能上最優。在d維特征空間已經確定的前提下，討論的分類器設計問題是一個選擇什么準則，使用什么方法將已經確定的d維特征空間劃分成決策域的問題。目前的分類器大概有模板匹配、Bayes分類，神經網絡，SVM，Adaboost，HMM等

在哲學中一種觀點，人類認識事物的過程是一個從抽象到具體的過程，頭腦中有某個事物的積累和總結的抽象信息，然后才會對某個物體有具體的形狀信息。在計算機領域，認為模式識別也可以利用這種方法，對某個物體分類從抽象到具體的、逐步的識別出來。在人臉表情識別中，AtoC能夠取得非常的識別效果。

發明內容

本發明的目的在于提出一種能夠有效地進行圖像模式分類的由抽象到具體AtoC(Abstract?to?Concrete)的模型。

本發明解決模式分類所采用的技術方案是：AtoC模型嘗試解決K類分類問題，每個輸入向量屬于1，2，3，...，K中的一個，AtoC模型依次包含多模塊(記為MM<K>)，MAX模塊(記為MAXr)，決策模塊(記為DM)，以及少模塊(記為LM，共有個少分類器組成，并以LM的下標區分)。AtoC模型的輸入是能夠代表一個物體的特征向量，如幾何特征，紋理特征，等其他的特征。輸出就是這個物體該屬于的某個類別。多模塊MM<K>是抽象的分類模塊，K是所有類的數量。MAX模塊MAX^r是指找出前r個最大的概率對應的類別。

MM<K>的輸入是一個物體的特征信息，會得到K個概率。也就是這個物體可能被識別成K個類中的任何一個類，只是對應的概率是不一樣的。從中找出前r個最大的概率對應的類別是哪幾個。在DM中，通過一些決策規則決定這個輸入向量是應該進一步送到LM中的哪一個少分類器中，還是直接給出具體的類別屬性。共有個少分類器，每個少分類器都是一個r類的分類器，但都是不一樣的分類器。例如，經過MM，選出了3個類別，這三個類別分別是2，4，5，他們對應的概率是分別最大的三個，類別2對應的概率最大，4其次，5對應的概率第三大。然后根據決策規則決定是直接輸出這個物體的類別是2，還是需要送到LM模塊的245少分類器中。

本發明的有益效果是能夠有效的進行圖像模式分類，特別是針對類別較少的模式分類問題，如人類六種基本表情識別、數字識別，英文字母識別等問題。

本發明所述的模式分類模型由抽象到具體AtoC模型，可以把SVM，神經網絡(BP等網絡)應用于AtoC模型中。

附圖說明

下面結合附圖對本發明進一步說明。

圖1是本發明的英文圖。

圖2是本發明的中文圖。

具體實施方式

MM<K>的輸入是一個物體的特征信息，會得到K個概率。也就是這個物體可能被識別成K個類中的任何一個類，只是對應的概率是不一樣的。從中找出前r個最大的概率對應的類別是哪幾個。在DM中，通過一些決策規則決定這個輸入向量是應該進一步送到LM中的哪一個少分類器中，還是直接給出具體的類別屬性。共有個少分類器，每個少分類器都是一個r類的分類器，但都是不一樣的分類器。例如，經過MM，選出了3個類別，這三個類別分別是2，4，5，他們對應的概率是分別最大的三個，類別2對應的概率最大，4其次，5對應的概率第三大。然后根據決策規則決定是直接輸出這個物體的類別是2，還是需要送到LM模塊的245少分類器中。

多模塊(More?Module)是相對與模型后面的少模塊(Less?Module)，意思是識別的類別是較多，少模塊分得類別較少。MM<K>的輸出是K個概率以及對應的K個類別，K個類別分別是C₁，K個概率中的一個表示為P_l(i)，MAX^r意思是取得最大的r個概率，因為這些最大的r個概率是最有可能包含正確的類。不是所有的測試數據x_l會被送到LM中，只是其中的一些數據有可能送到LM中。每個LM是一個r類的分類模塊，測試數據X_l只能被送到個LM中的一個，至于是哪一個r類LM中，是由MAX^r中選出的r個概率所對應的決定。