[發明專利]一種仿生模式識別方法及其裝置

有效

• 申請號: 201811119602.3
• 申請日: 2018-09-25
• 公開（公告）號: CN109325536B
• 公開（公告）日: 2019-09-17
• 發明（設計）人: 楊國為;萬鳴華;楊章靜;張凡龍;詹天明;楊鵬
• 申請（專利權）人: 南京審計大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 深圳鼎合誠知識產權代理有限公司 44281
• 代理人: 郭燕;彭愿潔

一種仿生模式識別方法及其裝置，由于在識別待檢測樣本時引入了分類器的識別機制，使得判斷待檢測樣本是屬于某樣本種類的識別區域還是屬于分類器的拒識區域時比較容易實現，從而提高了模式識別的效率；同時，分類器充分利用“同源”同類樣本連續性、區域連通性的特點，形成一種求解“同源”同類樣本區域的緊密包裹曲面方法和判定一點是否在該緊密包裹曲面內的判別函數方法，利于提高待檢測樣本在種類識別過程中的準確性，為仿生模式識別提供一種正確識別率高、效果佳的模式識別模型。

技術領域

本發明涉及分類技術領域，具體涉及一種仿生模式識別方法及其裝置。

背景技術

仿生模式識別也稱為拓撲模式識別，是一種全新模式識別理論體系。它從人類認識事物的角度出發，依據特征空間中“同源”同類樣本點分布連續、連通的一般性規律，提出了“認識”而非“劃分”的識別概念,為模式識別的發展提供了一個全新的發展方向。

自然界任何欲被認識的事物(包括事物、圖像、聲音、語言、狀態等等) 若存在兩個“同源”同類而不完全相等的事物，而這兩個事物的差別是可以漸變的或非量子化的(宏觀世界的絕大部分事物正是如此，即使像“蘋果產量”那樣不可能細化到一只蘋果以下，但以重量計的“蘋果產量”是考慮為可以漸變的)則這兩個同類事物之間必至少存在一個漸變過程，在這個漸變過程中間的各事物都是屬于同一類的。也就是說一“同源”同類事物所有特征點的集合構成一連續、連通“區域”。仿生模式識別中用來作為樣本點分布的“先驗知識”，從而能提高對事物的認識能力。在仿生模式識別中引入了特征空間中同類樣本的連續性規律后，對一類事物的“認識”，實質上就是對這類事物的全體在特征空間中形成的無窮點集合的“形狀”的分析和“認識”。因而，與傳統模式識別中把不同類樣本在特征空間中的最佳劃分作為目標不同，仿生模式識別是以高維空間幾何學和點集拓撲學為基礎，把“同源”的一類樣本在特征空間的分布的最佳覆蓋(即該覆蓋區域包含所有“同源”樣本區域，且覆蓋區域體積與“同源”樣本區域體積之差小于一個很小常數)作為目標。求解最佳覆蓋是實現仿生模式識別的關鍵技術方法。

目前，仿生模式識別系統中多采用模擬方法來求解最佳覆蓋方法，例如，用有限個超球、超橢球或單形的并去模擬最佳覆蓋。顯然，在高維空間中，這些模擬差距巨大，如用超球去覆蓋“同源”同類樣本單形區域或用單形去覆蓋“同源”同類樣本超球形區域，覆蓋體體積比“同源”同類樣本區域體積要大一倍以上，使得正確識別率低于預期。因此，求解高維空間“同源”同類樣本不規則區域的最佳覆蓋仍是沒有解決好的國際性難題。

然而，在做重大疾病認證識別、通過生物特征對人身份認證識別、鈔票認證識別、票據認證識別、恐怖分子認證識別等分類器設計時，往往需要引入合適識別機制，以便分類器工作時，要么拒識，要么識別結果正確。也即要求(1)拒識率很小，拒識率表示為在公共測試樣本庫中拒識的樣本個數與測試樣本庫的總樣本個數之比；(2)正確識別率為100％或逼近100％，正確識別率表示為在去掉拒識的樣本之后的測試樣本庫中正確分類樣本個數與總樣本數的比例。若拒識率較大，則分類器的實用范圍和場合受到限制。若正確識別率不能逼近100％的話，則人們不敢直接僅用該識別器去認證一些特別重要事物或事件。顯然，提高仿生模式識別的識別率將使得其具備更好的應用價值。