[發明專利]一種用于認知狀態識別的特征分組歸一化方法

無效

• 申請號: 201410209254.4
• 申請日: 2014-05-17
• 公開（公告）號: CN104008393A
• 公開（公告）日: 2014-08-27
• 發明（設計）人: 栗覓;呂勝富;周宇;鐘寧
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 劉萍

技術領域

本發明涉及模式識別的特征歸一化問題，尤其涉及一種用于認知狀態識別的特征分組歸一化方法。

背景技術

認知狀態識別是指計算機通過分析人的外在行為特征達到對其內部心理狀態的理解，特別是在人機交互中對于人的目的、意圖進行識別和判斷。使用模式識別技術對于人的不同認知狀態的識別是近幾年發展起來的研究熱點，基于磁共振、腦波和眼動的認知狀態識別方法研究的比較多。認知狀態識別的流程包括以下步驟：特征提取、特征歸一化、分類器訓練和模式判別。其中，特征提取及其歸一化處理方法均對狀態識別效果有重要的影響。目前適用于認知狀態識別的特征提取技術已經日趨成熟，但是通用的特征歸一化方法并不能滿足認知狀態識別的需求，因此需要一種能夠用于認知狀態識別的特征歸一化方法。

特征歸一化的目的是將各種不同的特征轉換到一個共同的值域范圍，可以避免分類器訓練時出現大數量級特征所占權重過大的問題，歸一化處理后使得原本數量級較小但是差異性較大的特征能夠在判別函數中起到相應的作用。除此之外，對每種特征歸一化處理后，數據范圍的變化使得分類算法可以較好的收斂，獲得更好的識別效果。

目前通用的特征歸一化方法的步驟為：首先選擇需要使用的歸一化函數，然后對特征的所有特征數據進行歸一化函數的參數估計，最后對特征的所有特征數據使用相同參數的歸一化函數進行整體轉換。由于使用這種歸一化方法時，相同特征的數據采用相同參數的歸一化函數進行整體變換，因此可以將其稱之為特征整體歸一化方法。

這種特征整體歸一化方法能夠解決各個特征之間存在的分布多樣性問題的，研究表明，對于基于多種生物特征的用戶識別系統，以及基于不同搜索引擎產生的文檔相關度的文檔檢索系統，使用該方法均能有效提高識別性能。但是，在認知狀態識別過程中特征整體歸一化方法的使用效果并不理想。雖然使用該方法后，統一了不同特征的值域范圍，在一定程度上提高了認知狀態的識別效果，但是并未解決每種特征內部存在分布多樣性的問題。這是因為，使用認知狀態識別的特征提取技術獲取的特征通常具有以下特點：首先，各個特征的分布存在多樣性，不同特征分布的位置和尺度具有差異；其次，為了得到人類認知的共性差異特征，需要同時提取多名用戶的特征數據，比如基于視覺行為的認知狀態識別，需要通過多名用戶眼動特征中存在的共性差異來區分不同的認知狀態。顯而易見，不同用戶的視覺行為特征是存在差異的，比如每名用戶固有的瞳孔直徑大小并不一致。因此對于認知狀態識別所提取的特征，即使是同一種特征，其內部的分布也是具有多樣性的，即相同特征用戶間的特征分布存在著個體差異。

特征內部數據分布多樣性問題導致不同認知狀態下的特征數據互相重疊，可區分性大大降低，將會嚴重影響識別效果。而且該問題并不能通過特征整體歸一化方法來解決，由于用戶間特征數據分布存在個體差異，對特征進行特征整體歸一化后僅僅解決了特征間的分布多樣性問題，特征數據內部的差異仍然保留了下來，在訓練分類器時就會產生影響，導致識別率不能有效地提高。

發明內容

本發明的目的是針對目前特征整體歸一化方法無法解決認知狀態識別過程中所提取特征存在內部分布多樣性的問題，提出了一種用于認知狀態識別的特征分組歸一化方法。本發明的方法既能夠解決各個特征之間的分布多樣性問題，也能夠解決特征內部差異過大問題，提高認知狀態識別正確率。

本發明的技術方案為：

1.一種用于認知狀態識別的特征分組歸一化方法，其特征在于：

(1)特征數據分組

(1-1)特征X來源于A類的特征數據為XA_ij(i＝1，2，...，m，j＝1，2，...，n₁，m為用戶數，n₁為A類任務數)；

(1-2)特征X來源于B類的特征數據為XB_ii(i＝1，2，...，m，j＝1，2，...，n₂，m為用戶數，n₂為B類任務數)；

(1-3)構造特征X的特征矩陣：如下：