[發明專利]一種導入人工智能的手機大眾識別真偽方法

在審

• 申請號: 201710122999.0
• 申請日: 2017-02-27
• 公開（公告）號: CN108520419A
• 公開（公告）日: 2018-09-11
• 發明（設計）人: 顧澤蒼
• 申請（專利權）人: 天津市阿波羅信息技術有限公司
• 主分類號: G06Q30/00
• 分類號: G06Q30/00;G06N3/08;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種導入人工智能的手機大眾識別真偽方法，其特征在于：

(1)通過超深度對抗學習獲得可復制光學標識空間圖像的特征向量集合；

(2)通過超深度對抗學習獲得手機識別光學標識空間圖像的特征向量集合；

(3)通過超深度強對抗學習從手機識別光學標識空間圖像的特征向量集合中剔除屬于可復制光學標識空間圖像的特征向量；獲得手機大眾真偽識別的防偽驗證碼。

2.根據權利要求1所述的一種導入人工智能的手機大眾識別真偽方法，其特征在于：所述對抗學習是指：在計算識別對象的特征要素屬于一個已登錄的概率空間的概率分布的特征要素的模糊事件概率測度時；同時又計算識別對象的特征要素屬于另一個已登錄的概率空間的概率分布的特征要素的模糊事件概率測度；將這兩種模糊事件概率測度進行對抗；最終判斷屬于哪個已登錄的概率空間的概率分布的特征要素。

3.根據權利要求1所述的一種導入人工智能的手機大眾識別真偽方法，其特征在于：所述對抗學習是建立在最大概率信賴度所屬的特征要素基礎上的。

4.根據權利要求1所述的一種導入人工智能的手機大眾識別真偽方法，其特征在于：基于穿越不同空間的距離是指：通過多概率尺度的自組織學習得到的概率分布的復數領域中的概率信息；或通過學習得到實際概率分布的多概率尺度的概率信息獲得的穿越不同空間的距離。

5.根據權利要求1所述的一種導入人工智能的手機大眾識別真偽方法，其特征在于：概率分布是指：包括具有正態分布；多變量正態分布；對數正態分布；指數分布；t分布；F分布；X²分布；二項分布；負的二項分布；多項分布；泊松分布；愛爾朗分布(ErlangDistribution)；超幾何分布；幾何分布；通信量分布；韋伯分布(Weibull Distribution)；三角分布；貝塔分布(Bete Distribution)；伽馬分布(Gamma Distribution)中任意一種或是引伸到貝葉斯方法(Bayesian Analysis)；高斯過程(Gaussian Processes)中的任意概率分布中任意一種概率分布。

6.根據權利要求1所述的一種導入人工智能的手機大眾識別真偽方法，其特征在于：不同空間的距離是指：歐幾里的空間；概率空間包括曼哈頓空間(Manhattan Space)；切比雪夫空間(Chebyshev Space)；閔可夫斯基空(Minkowski Space)；馬氏空間(MahalanobisSpace)；夾角余弦空間(Cosine Space)中的任意空間組合。

7.根據權利要求1所述一種導入人工智能的手機大眾識別真偽方法，其特征在于：模糊事件概率測度可由如下公式表達：

設在歐幾里德空間存在著一個概率空間的集合w_j∈W(w₁，w₂，…，w_n)中有一個元素w_j的概率分布的中心點為w_j，該概率分布的多概率尺度的第一個刻度為M₁，第二個刻度為M₂，第三個刻度為M₃，中心點w_j與第一個刻度M₁的間距為D_1j＝M_1j，在這區間屬于集合w_j的概率分布的概率值為P_1j^(wj)，由第二個刻度到第一個刻度的間距為D_2j＝M_2j-M_1j，在這區間屬于集合w_j的概率分布的概率值為P_2j^(wj)，由第三個刻度到第二個刻度的間距為D_3j＝M_3j-M_2j在這區間屬于集合W的概率分布的概率值為P_3j^(wj)，設穿越屬于w_j概率空間時所經過的刻度數m_j^(wj)＝3，又設在歐幾里德空間還存在另一個概率空間集合v_j∈V(v₁，v₂，…，v_n)，在兩個集合的中間又存在一個點任意一點r_j∈R(j＝1，2，…，n)，求r_j在w_j到v_j之間，r_j屬于w_j概率分布的概率值為rp_j^(wj)，求r_j到達w_j的模糊事件概率測度：