人工智能在模式识别中的关键技术

徐浩智

摘 要 随着特征提取、模式匹配、语义分析、自然交互等技术的发展，促进了人工智能在多领域普及和使用，提高了人类社会的自动化水平。特征提取可以利用摄像头等传感器采集视频图像、文本数字等信息，将这些信息的尖锐特征提取出来，与模式库中的信息进行匹配，然后可以通过语义分析，识别人们发出的各类动作。本文结合笔者的研究实践，分析了人工智能应用现状及未来发展趋势，重点描述了关键技术，为人工智能发展应用做出贡献。

【关键词】人工智能 特征提取 模式匹配 语义分析

1 引言

随着大数据、互联网、云计算、人工智能的普及和发展，已经在金融证券、教育科研、医疗卫生、商务办公等领域得到广泛普及和使用，大大的提高了人类社会的信息化、自动化水平。人工智能是一个多学科融合技术，其不仅仅涉及到计算机技术，同时还涵盖了统计学、物理学、通信学、心理学等多个学科，将多学科知识融合在一起模拟人们的思维，为人们的生活、办公和学习提供辅助支撑。

2 人工智能应用及发展

人工智能經过多年的发展，应用领域非常广泛，包括智能驾驶、机器人等。智能驾驶是当前人工智能应用的一个重要领域，其可以利用安装在汽车四周的传感器感知车辆前后方以及两侧的人、车、障碍物等，将这些信息反馈给控制器，控制器可以利用这些知识规划出一条安全的行驶线路，智能驾驶利用人工智能技术，整合心理学、交通法规等，严格的执行安全第一的准则，驾驶安全性也会大大的提高。机器人作为人工智能的一个重要产物，已经在太空探险、消防急救、探险排爆、生产加工中得到广泛应用，比如在太空探险时，由于人们自身的机体存在脆弱性，许多领域都有大量的辐射，这些区域人们无法靠近，因此可以利用机器人代替人们去工作，探测是否存在有机生命。机器人自身具有强大的外界抗压力，因此探险排爆可以采用机器人进行操作，即使爆炸破坏了机器人的完整性也可以通过修复使其正常工作。

人工智能应用领域非常多，只要是人们工作的地方都可以使用机器人代替，比如在医疗诊断过程中，由于人工操作存在误差，高难度的手术通常无法操作，但是利用机器人却可以精准操作，进行高难度手术。未来城市化进程加快，越来越多的建筑创出新的高度，由于安全性等问题造成人们无法在楼外进行作业，比如更换玻璃窗、擦洗玻璃幕墙等，这些都可以使用人工智能机器人完成。人工智能的发展将会为人们工作、生活带来更多的方便，更好的提高人类生活的舒适性。

3 人工智能在模式识别中的关键技术

模式识别是人工智能应用的基础，其可以完成对象信息采集、匹配和分析，以便更好的执行人们期望的操作，可以将关键技术按照操作流程划分为三个方面，分别是特征检测、特征提取、模式匹配、语义分析等。

人工智能可以使用摄像头、传感器采集外界的视频图像、文字语音信息，然后就可以利用特征检测技术对这些信息进行预处理，获取视频图像或语音文字中的目标对象，标定出这些目标信息的轮廓大小。比如在一副图像或一帧视频中，其包含的内容非常丰富，客观物体的特征也较多，比如直方图特征、模板各种、颜色特征、结构特征等，特征检测就是可以将有价值的信息挑出来，利用这些特征实现对象检测。目前人工智能采用的图像检测方法非常多，比如神经网络、支持向量机、Adaboost等，这些算法是一种分类方法，能够将较弱的分类方法集成在一起，构建一个很强的分类方法。图像检测可以使用检测算法挑选一些目标对象矩形特征，按照加权投票方式为弱分类器构建一个强分类器，然后通过训练学习就可以将强分类器串联在一起，形成一个级联结构的层叠分类器，提高分类器的检测速度。特征提取是人工智能引入的另一个关键技术。由于视频图像、语音文本中包含的特征很多，经过检测之后，就可以将这些特征提取出来。特征提取是人工智能学习建模的过程，又被人们称为图像表征描述，特征提取方法经过分类可以划分为两个类别，分别是基于知识表征的方法，另一种是基于代数特征或统计学习表征方法。基于知识的表征方法可以根据目标对象轮廓形状以及距离度量特性获取特征数据，这个特征距离度量的种类包括曲率角度、欧氏距离等，目标对象轮廓特征很多，比如人的面部包括眼睛、鼻子、眉毛、嘴唇等，可以将这些局部特征一一分解，利用局部特征之间的几何结构，将常见的知识特征提取出来。基于代数特征和统计学习表征方法则是利用目标对象像素的密度进行统计，然后可以充分的利用统计学的严密规则实现特征分离和提取，目前基于代数的特征提取方法包括K均值、密度聚类、谱聚类、支持向量机。

特征提取完毕之后，人工智能就可以将这些特征与模式库中保存的信息进行匹配，匹配也是模式搜索、对比的过程。人工智能可以设置一个模式匹配操作阈值，比如可以利用相似度作为度量，然后设置一个阈值，阈值设置完毕之后就可以进行对比，如果相似度超过规定阈值，则判定模式匹配成功。

模式匹配成功之后，人工智能需要将机器语言转换为人们可以理解的自然语言，这样就可以使用语义分析技术，将识别的结果提供给人们，帮助人们进行决策，比如下达下一步操作指令等。

4 结束语

人工智能是人来未来科技发展的最终趋势，也是当前计算机技术研究和应用的热点，经过多年的普及，人工智能的特征提取、模式匹配和语义分析越来越准确，从识别机器语言发展到识别人们的自然语言，能够提高在智能制造、人机交互、虚拟现实、文本检索、视频追踪的快速性和准确度，具有重要的作用。

参考文献

[1]石锦闪.电气工程自动化中人工智能的应用研究[J].电子技术与软件工程，2015（17）：286-286.

[2]陶九阳，吴琳，胡晓峰.AlphaGo技术原理分析及人工智能军事应用展望[J].指挥与控制学报，2016，2（02）：114-120.

[3]欧阳玉峰，周莹莹.计算机网络技术中人工智能的应用解析[J].数字技术与应用，2016（01）：98-98.

作者单位

辽宁省本溪市高级中学 辽宁省本溪市 117000