圖像模式識(shí)別的方法介紹(參考版)
2025-06-29 12:42本頁(yè)面
【正文】 9 / 9。(2)神經(jīng)元能夠獨(dú)立運(yùn)算和處理收到的信息，即系統(tǒng)能夠并行處理輸入的信息。該網(wǎng)絡(luò)通過(guò)一定的機(jī)制，能夠模仿人的神經(jīng)系統(tǒng)的結(jié)構(gòu)和功能。隸屬度表示對(duì)象隸屬某一類(lèi)的程度。目前，模糊模式識(shí)別方法已廣泛應(yīng)用圖形識(shí)別、染色體和白血球識(shí)別、圖象目標(biāo)的形狀分析、手寫(xiě)體文字識(shí)別等，但其中也遇到不少困難，其中一個(gè)典型的例子就是隸屬函數(shù)的確定往往帶有經(jīng)驗(yàn)色彩。 不少學(xué)者試圖運(yùn)用模糊數(shù)學(xué)的方法來(lái)解決模式識(shí)別問(wèn)題，形成一個(gè)專(zhuān)門(mén)的研究領(lǐng)域模糊模式識(shí)別(Fuzzy Pattern Recognition)。 模式識(shí)別是一門(mén)邊緣學(xué)科，它和許多技術(shù)學(xué)科有著密切的聯(lián)系，它本身就是人工智能的重要組成部分，因此，從本質(zhì)上來(lái)說(shuō)，模式識(shí)別所要討論的核心問(wèn)題，就是如何使機(jī)器能模擬人腦的思維方法，來(lái)對(duì)客觀事物進(jìn)行有效的識(shí)別和分類(lèi)。 模糊模式識(shí)別的理論基礎(chǔ)是20世紀(jì)60年代誕生的模糊數(shù)學(xué)，它根據(jù)人對(duì)事物識(shí)別的思維邏輯，結(jié)合人類(lèi)大腦識(shí)別事物的特點(diǎn)，將計(jì)算機(jī)中常用的二值邏輯轉(zhuǎn)向連續(xù)邏輯。然后將最后一幅圖像做比例因此為2的降采樣得到第二組的第一層，然后對(duì)第二組的第一層做參數(shù)是σ的高斯平滑，對(duì)第二層做kσ的平滑得到第三層，以此類(lèi)推。高斯金字塔的構(gòu)造是這樣的，第一組的第一層為原圖像，然后將圖像做一次高斯平滑（高斯卷積、高斯模糊），高斯平滑里有一個(gè)參數(shù)σ，然后將σ乘一個(gè)比例系數(shù)k作為新的平滑因子來(lái)平滑第一組第二層得到第三層。它的一個(gè)很大的好處是，自下而上每一層的像素?cái)?shù)都不斷減少，這會(huì)大大減少計(jì)算量；而缺點(diǎn)是自下而上金字塔的量化變得越來(lái)越粗糙，而且速度很快。其優(yōu)勢(shì)很明顯，某種分辨率下無(wú)法發(fā)現(xiàn)的特性在另一種分辨率下將很容易被發(fā)現(xiàn)。多分辨率理論將多種學(xué)科的技術(shù)有效地統(tǒng)一在一起，如信號(hào)處理的子帶編碼、數(shù)字語(yǔ)音識(shí)別的積分鏡像過(guò)濾以及金字塔圖像處理。半樸素貝葉斯分類(lèi)結(jié)構(gòu)示意圖圖像金字塔是以多分辨率來(lái)解釋圖像的一種結(jié)構(gòu)。但從名稱(chēng)可以看出，SNBC依然屬于樸素貝葉斯分類(lèi)的范疇。圖是SNBC的模型示意圖。SNBC的結(jié)構(gòu)比NBC緊湊，在SNBC的模型構(gòu)建過(guò)程中，依照一定的標(biāo)準(zhǔn)將關(guān)聯(lián)程度較大的基本屬性(即NBC中的特征屬性)合并在一起構(gòu)成“組合屬性”(也稱(chēng)之為“大屬性”)。目前半樸素貝葉斯分類(lèi)模型學(xué)習(xí)的關(guān)鍵是如何有效組合特片屬性。半樸素貝葉斯分類(lèi)模型(SNBC)為了突破樸素貝葉斯分類(lèi)器的獨(dú)立性假設(shè)條件的限制，除了上述“提升”等方法之外，還可以通過(guò)改變其結(jié)構(gòu)假設(shè)的方式來(lái)達(dá)到目的，為此有人提出了半樸素貝葉斯分類(lèi)(SNBG SemiNaive Bayesian classifier)的構(gòu)想。這個(gè)階段的任務(wù)是使用分類(lèi)器對(duì)待分類(lèi)項(xiàng)進(jìn)行分類(lèi)，其輸入是分類(lèi)器和待分類(lèi)項(xiàng)，輸出是待分類(lèi)項(xiàng)與類(lèi)別的映射關(guān)系。這一階段是機(jī)械性階段，根據(jù)前面討論的公式可以由程序
試題試卷相關(guān)推薦
鄂ICP備17016276號(hào)-1