具有仿反馈机制的图像模式分类认知

目的模仿人类认知事物反复推敲比对的过程,探索了一种具有仿反馈机制的图像模式分类认知方法和计算模型,通过认知结果分析评价指标体系在不同认知需求下逐级优化特征空间,实现从全局到局部的仿反馈认知模式,并成功应用于回转窑火焰图像的烧成状态认知。方法首先,提出了训练层和认知层耦合运行的具有仿反馈机制的图像模式分类认知模型,阐述了模型的目标、结构和功能;其次,设计了基于认知结果分析评价的仿反馈运行机制,建立了认知结果分析评价指标体系;然后,针对火焰图像烧成状态认知的应用,采用核主成分分析技术(KPCA)构建初始火焰图像特征空间,以建立最大认知信息量意义下的图像模式分类认知信息系统,继而基于属性核计算和马氏可分性评价指标建立压缩的认知信息系统;最后,在不同认知需求下,基于分析评价指标体系评估认知结果,更新压缩认知信息系统,实现烧成状态仿反馈智能认知。结果对采集的火焰图像进行了仿真实验研究,平均认知精度达到91.78%。结论实验结果表明,相对于已有的开环认知方法,本文方法可以通过仿反馈机制对难以区分相似样本进行反复认知,有效改进了认知精度。

具有仿反馈调整机制的汉字认知方法研究

针对已有开环认知模型和基于固定认知方法的闭环反馈认知模型的缺陷,仿人面对不同认知需求时自由调整认知方法反复推敲比对从全局到局部认知的特点,探索了一种具有仿反馈调整机制的多认知方法融合智能认知模型。首先,提出了一种具有仿反馈调整机制的多认知方法融合智能认知模型,给出了认知模型的结构、功能和运行机制;第二,分析样本的认知需求,实现认知方法的自适应调整融合以指导不同样本优化特征空间和分类认知准则建立,从全局到局部认知;第三,定义了相似度评价指标,评估认知结果的可信度,以更新认知需求;第四,将该模型应用于脱机手写体汉字认知。通过对GB 23122-80手写体汉字样本库的仿真实验,平均认知精度达92.78%,实验结果表明方法的优越性。