模式识别与智能系统的生存期树状模型研究

仲思颖

摘 要

本文所建立的树状模型是一种同时适用于模式识别和人工智能系统的生存期模型。该模型受限通过相似化的比拟方式，通过极少数的模型结构单元组合成一类智能感知并且识别模式系统的原型，此外还可以通过少数的知识单元合并为一类人工智能系统的原型。接着，以上述模型为基础，领域的各个模型单元所有知识单元依照类似瀑布模型的各种阶段，通过流水生产的方法进行生产。最后，将其通过近似分类树状模型的方法放进库内，最终得以完成该系统的各类软件版本的开发。

【关键词】模式识别 智能系统 树状模型

1 提出并建立树状模型

1.1智能模型基态

首先，通过与瀑布模型相仿的做法，将个别数据结构通过一定方法合成一类模式能够识别的智能模型基态。其数据结构主要有以下几部分，包括某一领域内的一类最基本模型单元，也包括知识结构单元，其所形成的知识数据库就好比广义树状模型的初等原型。基于模式识别或人工智能模型是由数据结构为主要构成，且算法精炼简洁这些特性，故以上任何一类系统有关的算法模式都可通过原型加以达成。通过个别最基本的模型单位生成的基础领域模型库或知识系统，可以类似看作整个树状模型的基础化，这对日后的工业型发展起着极为重要的铺垫作用。

1.2 与模块式程序设计相仿，模型库或知识库一样能通过一定的手段模块化

可将其视为由众多模型单位或知识单位构成，将领域模型单位以及知识单位合理有序得放进上述两类库内中。这一做法对整体模型的设计有着很大的帮助效果，其功能与普通软件的实现思路和设计逻辑相似，均通过将模型单元化的方式分析，并极大程度提高了流水线生产的效率。

通过用诸如螺旋模型等形式，向模型库或知识库中导入基本单位。螺旋每旋转一次之前，都有必要通过细致的分析进行合适的计划开展，并对宏观需求加以分析。然后开展领域模型以及领域知识的概念认知，对各个领域的结构和内容按块进行区分和了解，这之中各个结点单元便是所谓的各领域单元。方便简洁的结构使其能够很快的看出已经实现的部分结构单位和小部分仍在建设结构单位。针对仍未成功的小部分领域可以加以分析、设计和测试，并设立部门各自分工，各个部门最终通过流水线的形式井然有序地将基础结构单元放入库内，长此以往，最终得以完成该系统的各类软件版本的开发。

对于模式识别系统而言，其基本单元便是领域的模型单位，例如在进行语音识别时，其本质就是一类波形；有关指纹识别主要由以下三个步骤组成：

（1）加强与权威声音的合作与探讨，并查阅相关书籍和文献，以获得各个模型单位的准确参数。

（2）将收集到的参数资料进行整理和汇总，汇入并制成一张总表，并对数据进行分析和处理。

（3）将数据输入计算机进行相关的模拟，观察是否能得到正确的识别成果。

就人工智能而言，基本单元也可以按逻辑分为三大步骤，类似于模式识别系统。此外，当向库内装放基本单位时，通过使用直接交互操作旧有的模式识别或人工智能系统的可视化生成方式，能够较大的帮助系统在识别以及其他功能上得到更好的直观性体现。

2 树状结构的模型以及知识库的确立

模式识别以及人工智能系统，将分类树丛的每个根点位（孤立点位）所对应的模型或知识单位逐个视作被识别对象，通过新型模型单位以及知识单位对已识别的点位一一进行识别处理。树状模型的确立可分为以下两步：

（1）若在部分根点位对应的模型或知识单位内，具备认识出新模型单元知识单位的能力，那么：

①若l大于等于2时，可将点位视为此类根点位的父点位。并产生一组更复杂的分类树，然后将此类新模型单位放进模型单位组内，学习完成。

②若l等1时，可以利用此根点位对应的模型或知识单位，并将新模型单元加以分析和识别。若在各类单元的识别过程中，具备认知这个根结点相应的模型或知识单位的能力，就证实该点位和此类根点位相同，不须学习，学习终端；否则，运用与①相似的手段进入新点位，学习完成。

（2）若无法将某一点位所对应的模型单位以及知识单位中，认知出新模型单位或知识单位，则有必要将新加入的模型单位或知识单位变为待建立的对象，逐个通过每个根点位所对应的模型知识单位加以识别处理。

①若不存在成功识别的点位，那么新点位只能视作一类独立点位，学习完成。

②若存在两个及以上的根点位识别完成，由于不存在任何点位可以同时从属于两类区分开的事物，故学生发生错误终端。

③若有任何一个根点位D识别完成，那么新点位变为D的后代点位

所以，有必将对D的所有子点位运用和每个点位相似的处理方式，总结为有以下六大类情况。

（1）新点位变为D的子点位，新点位变成D最初某一类子点位的父点位，与树状模型方法一中的第①步骤相似。

（2）新点位和D的某一子点位相同，与树状模型方法一中的第②步骤相似。

（3）新点位变为D的子点位，新点位变成某一子点位的父点位，与树状模型方法一中的第②步骤相似。

（4）新点位变为D的又一子点位，与树状模型方法二中的第①步骤相似。

（5）新点位学习失败，与树状模型方法二中的第②步骤相似。

（6）新点位变为D的某一子点位D的子代，与树状模型方法二中的第③步骤相似，逐个用递归形式加以分析。若新点位变为改子点位的子代，则立即继承新点位，建立过程到此为止。

3 模型建立的前提

为了保证整个系统的工业化运作，系统对整体的模式认知能力以及系统提出了较高的普遍性指标。对模式认知而言，模型单位的储存方法主要以分类储存为主，并通过分类的手段进行识别和匹配。针对指纹识别，将该识别方式运用到某张天然指纹图像的识别中去，观察是否能在其中对某类模型结构加以识别。整个识别方式主要指纹图像为识别基础，将模型库加以分析和整合，并将上述结构单位用该模型单位以及天然指纹图像的各个位置加以匹配。

4 结语

文章提出和建立了树状结构模型，模型单位以及知识单位都呈模块状，维护简单且可靠度高，生产运作模式也大都实现了流水化生产。此类生产形式适用于模型单位作为基础结构单位的模式认知和识别模型，或以知识单元为基本组成单元的人工智能系统。这类模式识别和人工智能系统具有很大的普遍性。

参考文献

[1]张天序.模式识别与智能系统研究展望和对策[J].自动化学报，2002（12）.

[2]张佳.模式识别与智能系统专业实验室建设设想[J].中国电力教育；2013（03）.

[3]孙雪燕.浅谈人工智能的应用与发展[J].电脑知识与技术，2007（10）.

作者单位

南京信息工程大学 江苏省南京市 210044endprint