[发明专利]一种仿生模式识别方法及其装置

说明书

一种仿生模式识别方法及其装置，由于在识别待检测样本时引入了分类器的识别机制，使得判断待检测样本是属于某样本种类的识别区域还是属于分类器的拒识区域时比较容易实现，从而提高了模式识别的效率；同时，分类器充分利用“同源”同类样本连续性、区域连通性的特点，形成一种求解“同源”同类样本区域的紧密包裹曲面方法和判定一点是否在该紧密包裹曲面内的判别函数方法，利于提高待检测样本在种类识别过程中的准确性，为仿生模式识别提供一种正确识别率高、效果佳的模式识别模型。

技术领域

本发明涉及分类技术领域，具体涉及一种仿生模式识别方法及其装置。

背景技术

仿生模式识别也称为拓扑模式识别，是一种全新模式识别理论体系。它从人类认识事物的角度出发，依据特征空间中“同源”同类样本点分布连续、连通的一般性规律，提出了“认识”而非“划分”的识别概念,为模式识别的发展提供了一个全新的发展方向。

自然界任何欲被认识的事物(包括事物、图像、声音、语言、状态等等) 若存在两个“同源”同类而不完全相等的事物，而这两个事物的差别是可以渐变的或非量子化的(宏观世界的绝大部分事物正是如此，即使像“苹果产量”那样不可能细化到一只苹果以下，但以重量计的“苹果产量”是考虑为可以渐变的)则这两个同类事物之间必至少存在一个渐变过程，在这个渐变过程中间的各事物都是属于同一类的。也就是说一“同源”同类事物所有特征点的集合构成一连续、连通“区域”。仿生模式识别中用来作为样本点分布的“先验知识”，从而能提高对事物的认识能力。在仿生模式识别中引入了特征空间中同类样本的连续性规律后，对一类事物的“认识”，实质上就是对这类事物的全体在特征空间中形成的无穷点集合的“形状”的分析和“认识”。因而，与传统模式识别中把不同类样本在特征空间中的最佳划分作为目标不同，仿生模式识别是以高维空间几何学和点集拓扑学为基础，把“同源”的一类样本在特征空间的分布的最佳覆盖(即该覆盖区域包含所有“同源”样本区域，且覆盖区域体积与“同源”样本区域体积之差小于一个很小常数)作为目标。求解最佳覆盖是实现仿生模式识别的关键技术方法。

目前，仿生模式识别系统中多采用模拟方法来求解最佳覆盖方法，例如，用有限个超球、超椭球或单形的并去模拟最佳覆盖。显然，在高维空间中，这些模拟差距巨大，如用超球去覆盖“同源”同类样本单形区域或用单形去覆盖“同源”同类样本超球形区域，覆盖体体积比“同源”同类样本区域体积要大一倍以上，使得正确识别率低于预期。因此，求解高维空间“同源”同类样本不规则区域的最佳覆盖仍是没有解决好的国际性难题。

然而，在做重大疾病认证识别、通过生物特征对人身份认证识别、钞票认证识别、票据认证识别、恐怖分子认证识别等分类器设计时，往往需要引入合适识别机制，以便分类器工作时，要么拒识，要么识别结果正确。也即要求(1)拒识率很小，拒识率表示为在公共测试样本库中拒识的样本个数与测试样本库的总样本个数之比；(2)正确识别率为100％或逼近100％，正确识别率表示为在去掉拒识的样本之后的测试样本库中正确分类样本个数与总样本数的比例。若拒识率较大，则分类器的实用范围和场合受到限制。若正确识别率不能逼近100％的话，则人们不敢直接仅用该识别器去认证一些特别重要事物或事件。显然，提高仿生模式识别的识别率将使得其具备更好的应用价值。