[發明專利]直接使用樣本特征原始數值的廣義相關學習矢量量化方法

有效

• 申請號: 201410013367.7
• 申請日: 2014-01-13
• 公開（公告）號: CN103903016B
• 公開（公告）日: 2017-11-21
• 發明（設計）人: 方暉;嚴瑩;張興敢;柏業超
• 申請（專利權）人: 南京大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 南京瑞弘專利商標事務所(普通合伙)32249
• 代理人: 陳建和

技術領域

本發明涉及一種模式識別方法，具體涉及一種直接使用樣本特征原始數值的廣義相關學習矢量量化方法。

背景技術

模式識別是讓機器具有人類智能的技術，通過對表征事物或現象的信息進行處理和分析，實現對事物或現象進行描述、辨認、分類和解釋的過程。無監督的模式識別方法只能壓縮問題的信息量。而有監督的模式識別方法學習已有樣例的類別和特征信息，在實際應用中可以提供可靠的識別結果。神經網絡的自適應性和魯棒性使之成為模式識別的有力工具。應用于模式識別的神經網絡有BP(Back Propagation)網絡、徑向基(Radial Basis Function)網絡、學習矢量量化(Learning Vector Quantization，LVQ)方法(Kohonen T.Self-Organizing Maps.3rd Edition.New York,USA:Springer-Verlag,2001)。其中，學習矢量量化方法是傳統的最近鄰原型分類器與神經網絡的結合。它在學習過程中不斷調整作為權向量的神經元，能夠使不同類別權向量之間的邊界逐步收斂至貝葉斯分類邊界。在學習和識別過程中，對獲勝神經元(最近鄰權向量)的選取是通過計算輸入樣本和原型向量之間歐氏距離的大小來判斷的。

為了克服學習過程中作為目標函數的識別率不連續變化的缺點，人們提出了廣義學習矢量量化(Generalized LVQ，GLVQ)方法(Sato A,Yamada K.Generalized Learning Vector Quantization.Touretzky D,Mozer M,Hasselmo M,ed.Advances in Neural Information Processing Systems.Cambridge,USA:MIT Press,1996,Ⅷ:423－429)。在實際應用中，模式識別需要對提取的物體特征進行甄別，去除對分類沒有作用的特征。對于復雜問題這需要有經驗的專家完成。而對分類有貢獻的特征，其在分類中發揮的重要性也不一樣，對此人們提出相關學習矢量量化(Relevance LVQ，RLVQ)方法(Bojer T,Hammer B,Schunk D,et al.Relevance Determination in Learning Vector Quantization.Proc of the European Symposium on Artificial Neural Network.Brussels,Belgium,2001:271－276)自動判斷各特征在分類中的重要性。將RLVQ與GLVQ結合，形成廣義相關學習矢量量化(Generalized Relevance LVQ，GRLVQ)方法(Hammer B,Villmann T.Generalized Relevance Learning Vector Quantization.Neural Networks,2002,15:1059－1068)。GRLVQ方法得到了同行的認可，已應用于了衛星高維光譜圖像識別(Mendenhall MJ,Merényi E.Relevance-Based Feature Extraction for Hyperspectral Images.IEEE Transactions on Neural Networks.2008,19:658-672)、疾病診斷(Zhang Q,Wang YY,Wang WQ,Ma JY,Qian JY,Ge,JB.Discrimination of coronary microcirculatory dysfunction based on generalized relevance LVQ.Liu DR,Fei SM,Hou ZG,Zhang HG,Sun CY,Ed.Advances in Neural Networks-ISNN2007,Pt2,Proceedings,Lecture Notes in Computer Science.2007,4492:1125–1132)、規則提取(Hammer B,Rechtien A,Strickert M,Villmann T.Rule extraction from self-organizing networks.in:International Conference on Artificial Neural Networks,LNCS.2002,2415,pp.877–883)、基因分析(Strickert M,Seiffert U,Sreenivasulu N,Weschke W,Villmann T,Hammer B.Generalized relevance LVQ(GRLVQ)with correlation measures for gene expression analysis.Neurocomputing.2006,69:651–659)等。