-范文最新推荐-1 / 28仿生模式识别方法及应用的研究+文献综述模式识别一直受到人们关注，但传统模式识别强调不同类样本间的差异，有很大的缺陷。2002 年王守觉院士提出“仿生模式识别”，这种识别方式强调“认识”事物而非“区分”。它利用样本间的同源连续性，通过神经网络在高维空间中的覆盖进行识别。本文主要针对仿生模式识别方法及其应用进行研究，做出初步探讨。首先分析模式识别的发展背景、现状、系统组成及理论方法；接着研究仿生模式识别理论的数学工具，借助高维空间几何可以很方便的解决信息科学研究中的诸多问题；最后，描述分析了人工神经网络及仿生模式识别的应用，对其有一个全面的了解。5373关键词模式识别仿生模式识别高维空间几何神经元网络 毕业设计说明书（论文）外文摘要TitleResearch on Method and Application of BiomimeticPattern RecognitionAbstractPattern recognition has been drawn peoples attention.While the traditional pattern recognition emphasizes the differences between the different types of samples and has a lot of defects.Academician Wang Shoujue proposed Biomimetic pattern recognition in 2002.This identification approach emphasizes cognition instead ofclassification.It uses homologous continuity between the samples and the neural network coverage in high-dimensional space to identify.This paper focused on method and application of biomimetic pattern recognition and make a preliminary study.First analysis its development background,status,system components and theoretical methods.Then study the mathematical tools of pattern recognition theory.With the high-dimensional space -范文最新推荐-3 / 28geometry we can easily solve many problems in the information science.Finally,it describes and analyzes artificial neural networks,the application of pattern recognition and have a comprehensive understanding of it. 5.3 本章小结 266 仿生模式识别的应用与效果 276.1 地平面实物模型目标全方位识别 276.2ORL 人脸识别 286.3 多镜头人脸识别系统 306.4 本章小结 31结论 32 致谢 33参 考 文 献 341 绪论1.1 研究背景第一次、第二次工业革命发明了机器，机器的产生大大提高了人类的生产力，然而它只能简单的做一些重复性的工作，无法进行思考与应变。这就促使人类产生这样一种想法，发明制造一种具有思维方式的机器。随着时间的推移，科学理论的不断丰富，再加上无数学者们孜孜不倦的专研，终于创造了第一台计算机。起初，人们只是利用它惊人的计算速度做一些复杂运算，随着它速度越来越快，性能越来越强，人类对它也有了更高的期望，希望它可以模仿人类的某些思维方法，也就是实现简单的“人工智能”，以此为契机，科学家们也更注重这个方向的发展。-范文最新推荐-5 / 28此后，人工智能吸引了很多关注，发展速度很快，并取得了阶段性的成果。人工智能取得了一定进步，一部分技术也已经研制出了相关产品，但是从人工智能本质意义上讲，计算机离真正的智能或者说人类期望的智能还差得远，它不可能取代人做所有的工作。举个简单例子：让一个小孩在一群人当中指出自己认识人的是比较容易的，而对计算机来说却不知所措。若形势再复杂一点，计算机则更显得笨拙，例如围棋选手对局势的判断，对对方心理的分析等等。尽管人工智能具有极强的计算速度，但相比与人脑却占下风。（4）给出仿生模式识别相关应用及取得的效果。1.4 论文章节结构根据研究目标和研究内容，本文章节结构安排如下图：第一章 绪论第二章 传统模式识别第三章 仿生模式识别第四章 仿生模式识别的数学工具第五章 仿生模式识别的人工神经网络实现第六章 仿生模式识别的应用与效果图 1.1 论文章节架构第一章主要介绍人工智能的发展，以及在此基础上如何产生新兴领域——模式识别；第二章描述传统的统计模式识别的产生、基本概况以及它的缺陷；-范文最新推荐-7 / 28第三章重点阐述本文的焦点——仿生模式识别如何脱颖而出，与传统模式识别的差异；第四章分析仿生模式识别的数学工具，即高维空间几何的相关概念、理论，研究高维空间中点分布的相关性质及高维空间几何覆盖理论；第五章研究人工神经网络，及如何运用该理论实现仿生模式识别；第六章介绍仿生模式识别的相关应用和所取得的效果。2 传统模式识别通俗一点说模式识别即是利用计算机或其他装置对图形、语音、文字等信息所做的识别，它在上世纪20 年代问世，经过几十年的发展，大约在 60 年代形成一门独立的学科，并且不断丰富完善，在各个领域都产生一定影响，被大量应用到医学、天文、人工智能、考古、武器研发、地质勘探、工农业等等诸多领域中，如人脸识别、文本分类、指纹识别、系统检测、精确制导、手写体字符识别等方方面面，极大的鼓舞了人类对于计算机智能研究的热情。2.1 模式识别发展历程1929 年 G.Tauschek 研制出了世界上第一台阅读机，能够阅读 0-9 这十个数字，这也是最早的模式识别雏形。上个世纪 30 年代 Fisher 第一次提出“ 线性判别分析” ，这种方法主要是通过两类向量概率分布函数将它们区分，这一理论日后成为传统模式识别的根本。接着，统计模式识别逐渐转化为寻找使平均风险最小化的一种识别方式，基本与处理类别划分大同小异。之后，Vapnik 创造的“最优分类超平面”，并以此形成的一套统计学理论，直接导致了支撑向量机的诞生，支撑向量机是否复杂也可由 VC 的维数来决定，十分灵活，得到了广泛的认可。而计算机也在不断发展，计算速度与日俱增，这也部分的克服了“维数灾难”问题，因此，统计模式识别仍占据主导地位。60 年代时，L.A.Zadeh 研究出了模糊集理论，使得模糊模式识别-范文最新推荐-9 / 28理论有了长足进步。80 年代，Hopfield 发明了神经元网络模型，此后人工神经网络逐渐被运用到模式识别领域。2002 年，中科院院士王守觉提出一个全新概念——仿生模式识别，用“认识”代替“区分”，强调同类样本之间的连续性，成为模式识别领域的一股新思想。 模式识别实际上是对分门别类的数据信息做分析学习，并把所得结果进行分类。模式识别主要是模拟人的某些功能，例如把光学系统与计算机结合起来就能够模拟人的视觉系统，把声音传感器和计算机结合起来就能够模拟人的听觉。模式识别涉及生物学、医学、心理学、控制论、统计学等诸多学科，范围极广，它通常研究两类问题，即生物体如何进行感知活动以及如何用计算机完成模拟这一活动。人类对模式识别的不断探索，孜孜不倦的努力促使了计算机的智能发展，使计算机代替人类进行思考这一设想成为可能。2.3 模式识别系统构成对应于各个符号的模式的集合称为类，而对于被输入的模式，确定其属于哪一类就是模式识别。依据这种思路，人类把声音、图像等各种模式转变成具有相关信息的符号，模式识别的主要任务一是将携带各种模式信息的结果提取出来，再者它作为高级信息处理系统的预处理部分，根据提取的结果完成适当的复原响应。运用不同的分类标准、方法，所产生的分类结果也不同，一般来说，一个完整的模式识别系统应包含以下几部分：（1）数据获取：将识别对象的信息用计算机可以处理的符号进行表示。被识别对象可以是任何类别、任何形式，一维的波形，如心电图；二维的图像，如相片；还可以是物理量、逻辑值，如湿度、某些测试结果的描述等等。（2）预处理：在模式识别理论中，对于某一特定对象往往需要进行一些预处理，提取有用信息。这不仅能消减模式采集过程中的某些不特定因素的干扰，还能够起到转换模式结构的作用，如将原本非线性模式转换为线性的，为接下来的工作做好准备。-范文最新推荐-11 / 28（3）特征提取：在识别的过程中，必须对识别对象的本质属性进行研究测量，并将测量结果转化成易操作的具体数据，或者用各种符号来表示对象，总之，将对象分解并且符号化成特征矢量或符号组合、关系图，这样的信息更容易处理。模式类中的个体一般叫做样本。 数据获取预处理特征提取分类器设计（训练过程）分类决策（识别过程）图 2.1 模式识别系统基本构成2.4 模式识别的基本方法模式识别方法事实上是一种借助计算机对信息进行处理、判决分类的数学统计方法。因此其识别方法也是多种多样，下面将介绍几种主要的模式识别方法：（1）统计模式识别：它主要利用贝叶斯决策规则对最优分类器的设计问题提供相关的理论支持。这种技术识别理论起步较早，发展的也比较完善，是目前最成熟应用最广泛的理论识别方