基于子模式类型的NAM优化策略

借助于Packing问题的优化思想,提出了一种基于子模式类型的NAM优化策略.并比较了三角形子模式、矩形子模式以及三角形和矩形子模式混合的NAM表示方法,理论分析与实验结果均表明:基于子模式类型的NAM优化策略是行之有效的,对NAM的优化具有一定的指导意义.不断地逼近模式的最优化表示是NAM优化策略的最终目标,NAM优化问题在降低存储空间、提高传输速度、加快处理过程、模式匹配等方面具有理论参考意义和实际应用价值.     

直接三角形和矩形NAM的灰度图像表示算法

分析了三角形非对称递布局模型(NAM)、矩形NAM和线性四元树表示算法,借助于三角形和矩形布局问题的思想,提出了一种直接三角形和矩形NAM (TRNAM)的灰度图像表示算法.通过描述三角形和矩形子模式的存储结构,给出了该算法数据量的理论分析.实验结果表明:与直接三角形NAM表示、直接矩形NAM表示和线性四元树表示算法相比,直接三角形和矩形NAM表示算法能够更有效地减少子模式数(节点数)和数据存储空间,是灰度图像模式的一种更优的表示方法,这种表示方法在降低存储空间、加快传输速度、提高模式匹配效率等方面具有理论参考意义和实际应用价值.     

基于2D图表示原理的模式识别研究开放性问题

在基于多元统计图表示原理的信息融合与模式识别研究取得阶段性成果基础上,给出了可视化模式识别的理论研究框架关联图.基于对理论框架关联图的分析和分解,提出了基于2D图表示原理的模式识别研究开放性问题.这些问题既是需要深入研究的工作,也是完善这个重要理论的基础,对于建立一个崭新观点的模式识别理论具有重要意义.     

一种基于格雷码的TNAM优化策略

为了进一步提高三角形非对称逆布局模型(TNAM)表示的效率,根据格雷码(Gray code)的所有相邻整数在它们的数字表示中只有一个数字不同的特点,将格雷码应用到灰度图像的位平面分解中.提出了一种基于格雷码的TNAM优化策略(简称为GTNAM优化策略).给出了GTNAM优化策略算法的形式化描述,并对其存储结构、总数据量和时空复杂性进行了分析.理论分析和实验结果表明:基于格雷码的TNAM优化策略能显著降低子模式数和节约存储空间,是一种有效的TNAM优化策略.     

工程分析专家系统的问题求解黑板模型

问题未解模型是组织推理步骤和领域知识进行问题求解的一种模式,本文主要讨论了基于黑板模型的工程分析专家系统的设计方法,包括专家策略知识的多层次表示,深度优先搜索及推理网格的实现,协同式多专家系统的多级推理网络模型的构造,解释机构与人机接口设计以及推理算法.     

基于预测状态表示的Q学习算法

针对不确定环境的规划问题,提出了基于预测状态表示的Q学习算法.将预测状态表示方法与Q学习算法结合,用预测状态表示的预测向量作为Q学习算法的状态表示,使得到的状态具有马尔可夫特性,满足强化学习任务的要求,进而用Q学习算法学习智能体的最优策略,可解决不确定环境下的规划问题.仿真结果表明,在发现智能体的最优近似策略时,算法需要的学习周期数与假定环境状态已知情况下需要的学习周期数大致相同.     

基于可拓理论的不相容问题的求解初探

传统的人工智能方法在处理矛盾问题、策略的生成方面有许多不足.如何更准确地表示知识和智能化的推理已成为当今研究的热点和难点问题.可拓学的的创立为知识表示和推理的理论研究提供一条新的途径,用可拓学思想对知识进行表示,对不相容问题进行分析,并给出了检查含圈矛盾知识的算法.     

基于数字图像连续表示的图像分割方法

研究了一种基于数字图像连续表示的图像分割方法.首先根据机器学习模型的性质,将二维图像的分割问题转换为连续泛函的优化问题;其次利用数字图像的连续表示探讨连续泛函的数学表达式,使其能够表示基于深度学习的图像分割过程;接着通过建立连续泛函的约束条件,将优化问题转化为线性方程组求解的问题;最后利用梯度下降求解方程组,以实现复合...     

局部系数增强判别协同表示分类法

协同表示分类法(CRC)是一种基于表示理论的简单分类方法，它和它的许多扩展模型具有良好的分类性能.概率协同表示分类法(ProCRC)、判别稀疏表示分类法(DSRC)和判别协同表示分类法(DCRC)通过定义不同的判别信息项改进CRC.借鉴ProCRC、DSRC和DCRC,定义判别信息项增强表示系数的判别能力，基于近邻系数的相似性，定义局部系数强化项，增强近邻样本的协同表示能力，提出了局部系数增强判别协同表示分类法(LDCRC).在6个数据集上的实验表明LDCRC是有效的.     

基于非线性变换的图表示优化

优化是模式识别系统中必不可少的组成部分,优化的效果在一定程度上决定最终的识别结果.本文针对图表示的模式识别系统,提出了基于非线性函数的优化方法,使图表示模式识别更符合可视化与交互式原则.