仿生模式识别

摘要： 立足于"目为肝之窍"的中医望诊理论,针对传统医学中肝病目诊缺少客观化及量化指标的问题,研发一种可穿戴的中医肝病智能目诊系统(设备).本系统主要是由眼部图片自动采集、图谱智能生成设备及数字化诊断系统两部分构成.利用仿生模式识别理论的同源连续性算法构建眼部特征发现模块,利用仿生模式识别的高维目标识别算法实现眼部肝病图谱生成模块.通过这2个模块,根据中医目诊理论,对照片及识别结果进行分层次结构化的存储,建立有中医内涵的健康人及肝病患者人眼库,为提高中医数字化、可视化诊断水平提供方法与手段.

摘要： Pattern recognition technology has been widely applied in many fields of scientific research, especially becoming more significant in image recognition. The key technology of classic pattern recognition used in image processing, feature extraction and feature recognition method has been reviewed in this paper. An essential difference between traditional pattern recognition and biomimetic pattern recognition (BPR) which has been developed in recent years is introduced.%模式识别技术在科学研究的各个领域的应用越来越广泛,尤其是在图像识别应用中的重要性更加凸显.本文回顾了图像处理中所运用的传统模式识别的关键技术以及特征提取和特征识别的方法,对近年来发展起来的仿生模式识别思想和传统模式识别的本质区别做了介绍.

摘要： An essential difference between traditional pattern recognition and biomimetic pattern recognition ( BPR) is reviewed. Different from the idea of “matter classification” of traditional pattern recognition, BPR considers the problem of pattern recognition as the“cognition” of every type of sample, uses the principle of“homology continui⁃ty” as a priori knowledge, and performs class recognition by a union of geometrical cover sets in high⁃dimensional space and feature space, thus overcoming the shortcomings of traditional pattern recognition. The effectiveness of BPR has gradually drawn extensive attention from scholars. In this study, research on BPR and its applications are summarized. The research method includes the topological analysis of the distribution of sample points, covering al⁃gorithm research, and a sample’ s attribute in the overlapping space. Applications of BPR involve object recogni⁃tion, biometric identification, text recognition, NIR spectroscopy qualitative analysis, and so on. Results show that BPR is an innovative and effective means of pattern recognition. Finally, important development directions of BPR are reported, such as manifold analytical methods of sample distribution in the same class, topological theory, and algorithm research in a high⁃dimensional space.%回顾了仿生模式识别与传统模式识别的本质区别，与传统模式识别“分类划分”思想不同，仿生模式识别把模式识别问题看成是各类样本的“认识”，并将“同源连续性”规律作为先验知识，用高维空间几何形体覆盖方法实现对同类事物的学习，因此克服了传统模式识别的缺点。其有效性逐渐受到学者的广泛关注。分析总结了目前已有的仿生模式识别方法的研究和应用，方法研究包括样本点分布的拓扑分析、覆盖算法和重叠空间中样本的归属；应用研究方面包括目标识别、生物特征识别、文本识别、近红外光谱定性分析等。分析表明仿生模式识别是创新、有效的模式识别方法。最后指出同类样本点分布流形的分析方法和高维空间拓扑理论与算法研究等是仿生模式识别未来重要的发展方向。

摘要： 为实现气体绝缘组合电器(GIS)局部放电检测和故障识别,设计了GIS典型缺陷模型,使用超高频法检测放电信号,并提取特征参数。利用主成分分析法对特征参数进行降维处理,引入仿生模式识别算法进行辨识,提出一种改变连通方向的方法,提高了算法的辨识率,分析了连通方向改变前后样本的辨识率,以及未训练样本类型的错分率。结果表明,基于仿生模式识别的GIS局部放电类型辨识率能达到满意的效果。

摘要： Three China trademarks of milk powder called Mengniu ,Yili ,Wandashan were taken as testing samples .Each of them mixed varied amount of starch in different gradient ,which were consisted of 32 adulterated milk powder samples mixed with starch ,was taken as standard samples for constructing predicted model .To those 32 samples ,the reflecting spectrum char‐acteristics in middle wave of near infrared spectrum with Near Infrared Spectrum Analyzer (Micro NIR 1700) produced by JDSU Ltd .USA were collected for five repeats in five different days .The time span was nearly two months .Firstly ,we build the model used the reflecting spectrum characteristics of those samples with biomimetic pattern recognition (BPR) arithmetic to do the qualitative analysis .The analysis included the reliability of testing result and stability of the model .When we took ninety percent as the evaluation threshold of testing result of CAR(Correct Acceptance Rate)and CRR (Correct Rejection Rate) ,the lowest starch content of adulterate milk powder in all tested samples which the tested result were bigger than that abovemen‐tioned threshold was designated CAR threshold (CAR‐T) and CRR threshold (CRR‐T) .CAR means the correct rate of accep‐ting a sample which is belong to itself ,CRR means correct rate of refusing to accept a sample which is not belong to itself .The results were shown that ,when we constructed a model based on the near infrared spectrum data from each of three China trade‐mark milk powders ,respectively ,if we constructed a model with infrared spectrum data tested in a same day ,both the CAR‐T and CRR‐T of adulterate starch content of a sample can reach 0 .1% in predicting the remainder infrared spectrum data tested within a same day .The three China trademarks of milk powder had the same result .In addition ,when we ignored the trade‐marks ,put the spectrum data of adulterate milk powder samples mixed with the same content of starch of three China trade‐marks milk powder together to construct a model ,the CAR‐T of mixed starch content of a sample may reach 0 .1% ,the CRR‐T can reach 1% ,if the model construction and predicting were performed with near infrared spectrum data tested in a same day . However ,the CAR‐T can just stably reach up to 5% and the CRR‐T have the same result ,if the model construction and predic‐ting were crossly performed with mixed near infrared spectrum data tested in different days .Furthermore ,the correct recogniz‐ing threshold mixed starch of a sample can stably reach up to 1% and the CAR‐T can reach 5% ,if the model construction was based on near infrared spectrum data combined the previous four days to predict the output of the another day .On the other hand ,we also engaged quantitative analysis to the starch content in milk power with two kinds of arithmetic (PLSR ,LS‐SVR) . In contrast with the testing outputs ,the reliability of both the CAR‐T and CRR‐T in qualitative analysis was further validated .%将蒙牛、伊利、完达山三个品牌的奶粉样品掺入不同量的淀粉构成32份实验样品。在跨度近两个月时间内，用JDSU微型近红外光谱仪，分五天重复5次采集这些样品的中波近红外漫反射光谱。采用仿生模式识别（BPR）算法对样品进行掺假识别定性分析，并研究了分析的可靠性与模型的稳健性。以90％作为评价分析结果（样品掺杂的正确识别率 CAR与正确拒识率 CRR）的阈值：将测试结果高于此阈值的所有样品中掺入淀粉的最低含量分别称为样品掺杂的正确识别限与正确拒识限。结果显示：三个品牌奶粉样品分别各自建模时，若用同一天测定的部分光谱数据建立模型，预测该天剩余光谱，样品掺杂的正确识别限与正确拒识限都可以达到0.1％。对于三种品牌奶粉合并后的纯奶粉及其淀粉掺杂样品混合建模时，若用同一天测定的光谱建模与测试，样品掺杂的正确识别限也可以达到0.1％，正确拒识限则为1％；若用不同时间采集的光谱进行交叉测试，正确识别限与正确拒识限都只有5％；若用四天的光谱数据联合建模，测试第五天的数据，正确识别限可以稳定达到1％，正确拒识限可以达到5％。应用两种算法对奶粉中淀粉含量进行定量分析比较，进一步验证了有关定性分析对样品掺杂正确识别限和正确拒识限的可靠性。

摘要： 结合仿生模式识别理论,提出一种利用多权值神经元网络来进行步态识别的方法.提取同一时刻左右小腿关节点运动的速度场和关节角度,构成特征向量,利用多权值神经元网络形成的复杂几何体在特征空间中构造不同人步态特征的最小覆盖,从而达到步态识别的目的.相关实验表明,该方法在保证较高的识别率的同时,可以有效提高拒识率.与传统方法相比,误识率明显下降.

摘要： 依据微藻个体及成像的特点,给出了矩形度、能量、熵、惯性矩、相关度和局部平稳度等形状和纹理参数作为识别的特征值,并利用仿生模式识别算法对海洋微藻实现自动识别。利用文中给出的方法,对在海域中随机采集的不同形状、大小、纹理的微藻混合图像进行识别实验,结果显示,该方法能够准确识别出图像中不同种及同种不同状态下的藻体,说明该方法在微藻图像识别中是有效和可行的。

摘要： 依据微藻个体及成像的特点，给出了矩形度、能量、熵、惯性矩、相关度和局部平稳度等形状和纹理参数作为识别的特征值，并利用仿生模式识别算法对海洋微藻实现自动识别。利用文中给出的方法，对在海域中随机采集的不同形状、大小、纹理的微藻混合图像进行识别实验，结果显示，该方法能够准确识别出图像中不同种及同种不同状态下的藻体，说明该方法在微藻图像识别中是有效和可行的。%The automatic recognition of marine microalgae was achieved by the bionic pattern recognition algorithm via six shape and texture parameters including rectangular degree, energy, entropy, inertia moment, correlation and local stationary degree as the characteristic values of marine microalga recognition characteristics. The microal-ga specimens collected randomly in marine water were experimentally recognized by the above bionic pattern recog-nition algorithm according to the microalgae mixed images with the differences in the shape, size or texture of the algae . The results showed that this method accurately identified the microalgae between different kinds or same kind in different states, indicating that the method is effective and feasible in microalgae image recognition.

摘要： 以不同产地和年份的农华101（NH101）玉米杂交种和母本种子为对象，研究了鉴别玉米杂交种子纯度的近红外光谱分析方法。光谱采集时间跨度达10个月，运用傅里叶变换（FT ）近红外光谱仪器，在不同季节用23天（分五个时间段）采集了这些样品共920条玉米单子粒近红外漫反射光谱。全部原始光谱用移动窗口平均、一阶差分导数和矢量归一化进行预处理，使用主成分分析（PCA ）方法和线性判别分析（LDA ）方法降维，采用仿生模式识别（BPR）方法建立模型。通过对光谱预处理校正光谱失真，使样品光谱集在特征空间分布的范围收缩，相对距离增大了近70倍，实现了母本和杂交种子的鉴别。通过代表性样品的选择，提高了模型对光谱采集时间、地点、环境等条件变动的应变能力，也提高了模型对样品种子制种时间与地点变动的应变能力，增强了模型的稳健性，使测试集玉米单子粒杂交种和母本种子的平均正确识别率达到95％以上，而平均正确拒识率也达到85％以上。%Near infrared spectroscopy analysis method of discrimination of maize hybrid seed purity was studied with the sample of Nong Hua 101 (NH101) from different origins and years .Spectral acquisition time lasted for 10 months .Using Fourier transform (FT) near infrared spectroscopy instruments ,including 23 days in different seasons (divided into five time periods) ,a total of 920 near infrared diffuse reflectance spectra of single corn grain of those samples were collected .Moving window aver-age ,first derivative and vector normalization were used to pretreat all original spectra ,principal component analysis (PCA) and linear discriminant analysis (LDA ) were applied to reduce data dimensionality ,and the discrimination model was established based on biomimetic pattern recognition (BPR) method .Spectral distortion was calibrated by spectra pretreatment ,which makes characteristics spatial distribution range of sample spectra set contract .The relative distance between hybrid and female parent increased by nearly 70-fold ,and the discrimination model achieved the identification of hybrid and female parent seeds .Through the choice of representative samples ,the model's response capacity to the changes in spectral acquisition time ,place and environ-ment ,etc .was improved .Besides ,the model's response capacity to the changes in time and site of seed production was also im-proved ,and the robustness of the model was enhanced .The average correct acceptance rate (CAR) of the test set reached more than 95% while the average correct rejection rate (CRR) of the test set also reached 85% .

摘要： 近年来玉米种子市场上假冒伪劣问题越来越严重,现有的种子真实性鉴定方法成本高,用时长,并且对种子造成破坏,不适合推广应用.本文提出了一种基于近红外光谱和化学计量学的玉米种子品种真实性鉴定方法.该方法快速、无损、成本低,而且能够准确地鉴定大量玉米品种.rn 本文采用了单籽粒测量和大量种子测量(约200粒)两种方法采集种子的近红外光谱(波段范围1100-2500nm),并分别建立品种真实性鉴定模型.对光谱进行平滑、一阶导数和矢量归一化预处理后,利用主成分分析和线性判别分析方法进行降维,建立40个品种的仿生模式识别模型.模型的平均正确识别率超过96％.使用未参与建模的品种的种子测试模型的拒识能力,正确拒识率超过97％.结果说明结合近红外光谱和化学计量学方法可以快速、无损地鉴定玉米种子品种真实性.本文提出的方法也可以应用到其他农作物种子的真实性鉴定中.

摘要： 仿生模式识别是一种不同于传统模式识别的理论方法，其理论基点是特征空间中同源样本的连续性原理，并通过对同类样本在高维空间中的最佳覆盖来达到认识和区分样本的目的。本文对仿生模式识别算法进行了深入的研究与学习，将仿生模式识别的思想应用在文本分类当中，并在此基础上提出了基于文本相似度的神经元生成算法。该算法的基本思想是从训练集当中选择最相似的样本，使用这样的样本来生成多权值神经元，进而构成多权值神经元网络。本文在基于仿生模式识别的文本分类系统中，实现了基于文本相似度的神经元生成算法。实验表明，基于文本相似度的神经元生成算法在文本分类当中取得了较好的性能，而且要优于传统的中心法、近邻法、Winnow法以及贝叶斯等文本分类算法。

摘要： 在对油气管道进行泄漏检测时，需要对各种采样信号进行识别判断，确定该信号是否为泄漏信号。由于管道在实际操作中工况调节频繁，如何快速、准确识别这些工况，减少漏报警和误报警一直是人们研究的焦点。本文利用仿生模式识别技术对管道不同的工况进行识别研究，从“认识”工况的角度研究工况样本之间的连续性规律，避免传统模式识别有限模式类强制划分带来的错判，提高工况识别准确率。现场试验表明，该方法具有识别准确率高、错识率低等优点，具有很强的实用性。

摘要： 提出了一种基于仿生模式识别理论的非特定人连续语音关键词识别的新算法.该算法无需对待识别连续语音进行端点检测和分割,通过直接对特征提取后的连续语音进行动态搜索,得到待识别连续语音到各类关键词训练网络的距离随时间变化的曲线,通过动态搜索距离曲线上谷值的大小和数目来判断有多少关键词.通过对小词汇量、不同语速条件下的连续语音的测试,得到了良好的识别结果,验证了此方法的有效性。

摘要： 仿生模式识别(BPR)与Fisher的基于“划分”的模式识别理论不同，它足一种基于“认识”rn 的模式识别方法。仿生模式识别通过使用一些复杂的几何形体对同源样本在高维空间中分布的覆盖来完成对事物的认识。这种覆盖方法强调了同源样本间的连续性，而不是Fisher理论休系所强调的不同类样本间的差异。本文中提出了一种超香肠型的覆盖单元，它可以很好地覆盖同源样本的分布形状，并减少覆盖到其它异类样奉的可能性。实验证明,实验证明，在保证系统的错误率为O的情况下，仿生模式识别的正确识别率要优于RBF核支撑向量机的结果。

摘要： 提出了一种基于仿生模式识别和多权值神经元网络的人脸识别新方法。对仿生模式识别理论在人脸识别中的应用模型作了讨论，并且介绍了一种新的人脸特征提取方法。实验结果表明该方法克服了对未训练类型的人脸误识问题，提高人脸识别系统的训练速度以及正确识别率。

摘要： 为了寻找更准确的“同源”图像间的变形路径,提出了一种基于三角形坐标系的图像描述方式,验证了基于三角形坐标系的人脸图像变形连续性问题.首先给出了三角坐标系的定义和三角纹理特征的描述方式;并推导了在三角形坐标系中当图像的结构发生变化时,三角纹理特征不变,简化图像变形路径的问题;然后三角坐标映射到笛卡尔坐标系,生成中间插值图像.最后对仿生模式识别进行改进,寻找到一条更符合人脸图像变换的核路径,从而改善仿生神经网络的有效覆盖,实验结果验证改进的仿生模式识别的有效性。

摘要： 基于高维仿生信息学理论的仿生模式识别方法，借鉴人的认知理论，通过对同类样本的“认识”，而不是不同类别的划分而加以识别。通过Log-Gabor变换，每个训练图像滤波得到24个Gabor特征子图，对这些特征子图，通过阈值化方法作二值变换，以最小Hamming距离作为判决依据，并与传统的PCA方法做比较，实验结果显示了其合理性。

摘要： 损失计算装置，针对每个类别计算特征向量的损失，特征向量对属于该类别的数据的特征加以指示。损失差计算装置，基于针对每个类别而计算的损失，来计算类别之间损失差的总和。识别字典创建装置，基于损失计算装置针对类别而计算的损失总和以及类别之间损失差的总和，来创建识别字典。识别字典创建装置基于输入特征向量来校正识别字典，以使损失计算装置针对类别而计算的损失总和与损失差计算装置计算的类别之间损失差的总和之和最小化，并且模式分类装置使用校正后的识别字典来对数据的模式进行分类。

摘要： 一种能够提高误接受概率的计算精度、并能够确保稳定安全强度的模式识别系统、模式识别方法和模式识别程序。模式识别系统10和10a包括第一概率计算单元32和连接到第一概率计算单元32的第二概率计算单元33。第一概率计算单元32根据指示第一模式特征点s1至sn

摘要： 本发明公开了一种基于仿生模式识别理论的雷达目标识别方法，采用物理光学法计算雷达目标的相应的回波数据，分析雷达回波数据并且建立目标的一维距离像，将得到的目标一维距离像进行预处理作为特征向量，利用仿生模式识别方法对不同目标进行识别。仿生雷达目标识别方法作为一种新的模式识别方法，其特征在于基于“认识”而不是“划分”，通过对每类目标的特征样本在高维空间利用超香肠模型进行覆盖，达到“认识”目标的目的，从而有效提高了正确识别率，同时避免了传统雷达目标识别方法拒识别能力差、每添加一类目标需要对原有数据重新训练的缺点。

摘要： 本发明公开了一种基于仿生模式识别的声纹识别方法，该方法包括：构建声纹识别训练集，该声纹识别训练集包含有多个说话人特征子空间，每个说话人特征子空间对应于一个人；将待测试语音进行特征变换，得到该待测试语音的时序点集，该时序点集包含有多个时序点；计算该时序点集中各时序点到所述每个说话人特征子空间的距离，并计算该时序点集中各时序点到所述每个说话人特征子空间距离的平均值；确定平均值最小的说话人特征子空间所对应的人为发出测试语音的人。本发明是以客观世界规律的合理性作为根本，更充分的利用了语音的连续性信息，在文本有关的说话人识别中取得了优异的效果，同时也可用于文本无关的说话人识别。

摘要： 本发明公开了一种基于球覆盖的仿生模式识别算法的雷达信号分选方法。该方法包括获取雷达信号数据作为样本，对样本数据进行预处理；将预处理后的样本数据进行升维处理，并将样本数据划分为训练集和测试集；利用训练集对基于球覆盖的仿生模式识别算法进行训练，得到分类覆盖模型；将测试集输入到训练好的分类覆盖模型，根据测试集在分类覆盖模型中的覆盖情况，确定测试集的类别，实现雷达信号分选。本发明为了解决现有技术中实际提取的雷达信号数据存在虚假数据、缺失值，传统仿生模式识别受低维数条件限制等问题，在低维数条件下，对传统的仿生模式识别算法进行改进，利用数据清洗、缺失值填充、数据升维、构造球覆盖等实现了算法识别率的提高。

摘要： 本发明公开了用于影像学肺炎判别的仿生模式识别改进方法，包括健康X光片、病毒型肺炎X光片和细菌型肺炎X光片，将三类X光片图像归一化为同样大小的实验图像；将健康X光片图像归一化后的实验图像I输入卷积神经网络中提取图像特征向量，卷积神经网络包括卷积层、池化层和全连接层，所述图像特征向量的提取方法包括：步骤A：实验图像I与一个卷积核进行卷积，其结果经过激活函数后输出形成卷积层的特征图01；特征图01与下个卷积核进行卷积，其结果经过激活函数后输出形成卷积层的特征图02；特征图02作为输入图像进入池化层。

摘要： 本发明公开了一种基于仿生模式识别理论的雷达目标识别方法，采用物理光学法计算雷达目标的相应的回波数据，分析雷达回波数据并且建立目标的一维距离像，将得到的目标一维距离像进行预处理作为特征向量，利用仿生模式识别方法对不同目标进行识别。仿生雷达目标识别方法作为一种新的模式识别方法，其特征在于基于“认识”而不是“划分”，通过对每类目标的特征样本在高维空间利用超香肠模型进行覆盖，达到“认识”目标的目的，从而有效提高了正确识别率，同时避免了传统雷达目标识别方法拒识别能力差、每添加一类目标需要对原有数据重新训练的缺点。

摘要： 本发明公开了一种基于仿生模式识别的声纹识别方法，该方法包括：构建声纹识别训练集，该声纹识别训练集包含有多个说话人特征子空间，每个说话人特征子空间对应于一个人；将待测试语音进行特征变换，得到该待测试语音的时序点集，该时序点集包含有多个时序点；计算该时序点集中各时序点到所述每个说话人特征子空间的距离，并计算该时序点集中各时序点到所述每个说话人特征子空间距离的平均值；确定平均值最小的说话人特征子空间所对应的人为发出测试语音的人。本发明是以客观世界规律的合理性作为根本，更充分的利用了语音的连续性信息，在文本有关的说话人识别中取得了优异的效果，同时也可用于文本无关的说话人识别。

摘要： 本发明一种基于仿生模式识别原理的说话人识别方法，其特征在于，包括以下步骤：(1)语音信号的获取及预处理：采入语音信号，进行端点检测和预加重；(2)特征提取，得到语音样本；(3)基于仿生模式识别原理的原理，并利用网络匹配度，构建说话人识别网络；(4)根据识别决策，对待测样本进行识别。本发明采用网络匹配度的办法来进行识别能够极大地提高系统的鲁棒性，并且可以通过设定Fitness的下限来控制系统的拒识率和误识率。

摘要： 本发明公开了一种基于球覆盖的仿生模式识别算法的雷达信号分选方法。该方法包括获取雷达信号数据作为样本，对样本数据进行预处理；将预处理后的样本数据进行升维处理，并将样本数据划分为训练集和测试集；利用训练集对基于球覆盖的仿生模式识别算法进行训练，得到分类覆盖模型；将测试集输入到训练好的分类覆盖模型，根据测试集在分类覆盖模型中的覆盖情况，确定测试集的类别，实现雷达信号分选。本发明为了解决现有技术中实际提取的雷达信号数据存在虚假数据、缺失值，传统仿生模式识别受低维数条件限制等问题，在低维数条件下，对传统的仿生模式识别算法进行改进，利用数据清洗、缺失值填充、数据升维、构造球覆盖等实现了算法识别率的提高。