基于認知模式的CGA基元拓撲關(guān)系建模的模式識別方法研究.pdf

1、進入新世紀以來,人們每天面對著各種現(xiàn)在化數(shù)字媒體信息,最典型的數(shù)字化信息縮影——圖案,承載了很多有價值的信息,是人類獲取外界知識的主要來源之一。與此同時,圖案識別技術(shù)的發(fā)展成為一個熱點研究內(nèi)容。圖案種類繁多,隨處都可以看到傳輸介質(zhì)中含有較多信息的圖案,其中圖標圖案和文本圖案是基于內(nèi)容的圖案檢索技術(shù)研究的重點研究對象。本文模擬人類對圖案的認知識別機理,提出了一種基于閱讀認知模式的特征提取方法,提取基于視覺信息的圖案特征,并提出了一種基于基

2、元拓撲關(guān)系建模的通用圖案識別方法。利用人工神經(jīng)網(wǎng)絡(luò)的強大計算能力完成圖案的基元建模,利用共形幾何代數(shù)完成基元間關(guān)系的建模,結(jié)合隱馬爾科夫模型的強大的處理時序數(shù)據(jù)的優(yōu)勢,實現(xiàn)了圖案的整體拓撲結(jié)構(gòu)建模。
　　根據(jù)本文提出的圖案識別方法,本課題利用圖標圖案和文本圖案作為識別研究對象,利用滑動窗的滑動過程模擬人眼觀看圖案時視網(wǎng)膜中心的移動過程,在滑動窗移動的過程中提取出基于視覺認知信息的圖案特征,完成二維圖案到一維特征向量的整體轉(zhuǎn)換。識別

3、模型中采取的基于共形幾何代數(shù)(CGA)的人工神經(jīng)網(wǎng)絡(luò)(ANN)和隱馬爾可夫模型(HMM)相結(jié)合的混合模型實現(xiàn)了對圖案的建模。CGA具有將待處理的幾何問題轉(zhuǎn)換為代數(shù)問題的簡化等能力,因此可以對識別對象間具有共形幾何體部分的內(nèi)容的分析轉(zhuǎn)換為代數(shù)描述的聚類問題。ANN具有強大的自組織適應(yīng)能力,學習計算能力以及抗干擾等優(yōu)勢,HMM又擁有強大的處理時序數(shù)據(jù)的特點,因此,通過CGA的基元關(guān)系建模將ANN和HMM進行連接成混合識別模型很適合本課題所提