模式識別與智能系統的生存期樹狀模型研究

仲思穎

摘 要

本文所建立的樹狀模型是一種同時適用于模式識別和人工智能系統的生存期模型。該模型受限通過相似化的比擬方式，通過極少數的模型結構單元組合成一類智能感知并且識別模式系統的原型，此外還可以通過少數的知識單元合并為一類人工智能系統的原型。接著，以上述模型為基礎，領域的各個模型單元所有知識單元依照類似瀑布模型的各種階段，通過流水生產的方法進行生產。最后，將其通過近似分類樹狀模型的方法放進庫內，最終得以完成該系統的各類軟件版本的開發。

【關鍵詞】模式識別 智能系統 樹狀模型

1 提出并建立樹狀模型

1.1智能模型基態

首先，通過與瀑布模型相仿的做法，將個別數據結構通過一定方法合成一類模式能夠識別的智能模型基態。其數據結構主要有以下幾部分，包括某一領域內的一類最基本模型單元，也包括知識結構單元，其所形成的知識數據庫就好比廣義樹狀模型的初等原型。基于模式識別或人工智能模型是由數據結構為主要構成，且算法精煉簡潔這些特性，故以上任何一類系統有關的算法模式都可通過原型加以達成。通過個別最基本的模型單位生成的基礎領域模型庫或知識系統，可以類似看作整個樹狀模型的基礎化，這對日后的工業型發展起著極為重要的鋪墊作用。

1.2 與模塊式程序設計相仿，模型庫或知識庫一樣能通過一定的手段模塊化

可將其視為由眾多模型單位或知識單位構成，將領域模型單位以及知識單位合理有序得放進上述兩類庫內中。這一做法對整體模型的設計有著很大的幫助效果，其功能與普通軟件的實現思路和設計邏輯相似，均通過將模型單元化的方式分析，并極大程度提高了流水線生產的效率。

通過用諸如螺旋模型等形式，向模型庫或知識庫中導入基本單位。螺旋每旋轉一次之前，都有必要通過細致的分析進行合適的計劃開展，并對宏觀需求加以分析。然后開展領域模型以及領域知識的概念認知，對各個領域的結構和內容按塊進行區分和了解，這之中各個結點單元便是所謂的各領域單元。方便簡潔的結構使其能夠很快的看出已經實現的部分結構單位和小部分仍在建設結構單位。針對仍未成功的小部分領域可以加以分析、設計和測試，并設立部門各自分工，各個部門最終通過流水線的形式井然有序地將基礎結構單元放入庫內，長此以往，最終得以完成該系統的各類軟件版本的開發。

對于模式識別系統而言，其基本單元便是領域的模型單位，例如在進行語音識別時，其本質就是一類波形；有關指紋識別主要由以下三個步驟組成：

（1）加強與權威聲音的合作與探討，并查閱相關書籍和文獻，以獲得各個模型單位的準確參數。

（2）將收集到的參數資料進行整理和匯總，匯入并制成一張總表，并對數據進行分析和處理。

（3）將數據輸入計算機進行相關的模擬，觀察是否能得到正確的識別成果。

就人工智能而言，基本單元也可以按邏輯分為三大步驟，類似于模式識別系統。此外，當向庫內裝放基本單位時，通過使用直接交互操作舊有的模式識別或人工智能系統的可視化生成方式，能夠較大的幫助系統在識別以及其他功能上得到更好的直觀性體現。

2 樹狀結構的模型以及知識庫的確立

模式識別以及人工智能系統，將分類樹叢的每個根點位（孤立點位）所對應的模型或知識單位逐個視作被識別對象，通過新型模型單位以及知識單位對已識別的點位一一進行識別處理。樹狀模型的確立可分為以下兩步：

（1）若在部分根點位對應的模型或知識單位內，具備認識出新模型單元知識單位的能力，那么：

①若l大于等于2時，可將點位視為此類根點位的父點位。并產生一組更復雜的分類樹，然后將此類新模型單位放進模型單位組內，學習完成。

②若l等1時，可以利用此根點位對應的模型或知識單位，并將新模型單元加以分析和識別。若在各類單元的識別過程中，具備認知這個根結點相應的模型或知識單位的能力，就證實該點位和此類根點位相同，不須學習，學習終端；否則，運用與①相似的手段進入新點位，學習完成。

（2）若無法將某一點位所對應的模型單位以及知識單位中，認知出新模型單位或知識單位，則有必要將新加入的模型單位或知識單位變為待建立的對象，逐個通過每個根點位所對應的模型知識單位加以識別處理。

①若不存在成功識別的點位，那么新點位只能視作一類獨立點位，學習完成。

②若存在兩個及以上的根點位識別完成，由于不存在任何點位可以同時從屬于兩類區分開的事物，故學生發生錯誤終端。

③若有任何一個根點位D識別完成，那么新點位變為D的后代點位

所以，有必將對D的所有子點位運用和每個點位相似的處理方式，總結為有以下六大類情況。

（1）新點位變為D的子點位，新點位變成D最初某一類子點位的父點位，與樹狀模型方法一中的第①步驟相似。

（2）新點位和D的某一子點位相同，與樹狀模型方法一中的第②步驟相似。

（3）新點位變為D的子點位，新點位變成某一子點位的父點位，與樹狀模型方法一中的第②步驟相似。

（4）新點位變為D的又一子點位，與樹狀模型方法二中的第①步驟相似。

（5）新點位學習失敗，與樹狀模型方法二中的第②步驟相似。

（6）新點位變為D的某一子點位D的子代，與樹狀模型方法二中的第③步驟相似，逐個用遞歸形式加以分析。若新點位變為改子點位的子代，則立即繼承新點位，建立過程到此為止。

3 模型建立的前提

為了保證整個系統的工業化運作，系統對整體的模式認知能力以及系統提出了較高的普遍性指標。對模式認知而言，模型單位的儲存方法主要以分類儲存為主，并通過分類的手段進行識別和匹配。針對指紋識別，將該識別方式運用到某張天然指紋圖像的識別中去，觀察是否能在其中對某類模型結構加以識別。整個識別方式主要指紋圖像為識別基礎，將模型庫加以分析和整合，并將上述結構單位用該模型單位以及天然指紋圖像的各個位置加以匹配。

4 結語

文章提出和建立了樹狀結構模型，模型單位以及知識單位都呈模塊狀，維護簡單且可靠度高，生產運作模式也大都實現了流水化生產。此類生產形式適用于模型單位作為基礎結構單位的模式認知和識別模型，或以知識單元為基本組成單元的人工智能系統。這類模式識別和人工智能系統具有很大的普遍性。

參考文獻

[1]張天序.模式識別與智能系統研究展望和對策[J].自動化學報，2002（12）.

[2]張佳.模式識別與智能系統專業實驗室建設設想[J].中國電力教育；2013（03）.

[3]孫雪燕.淺談人工智能的應用與發展[J].電腦知識與技術，2007（10）.

作者單位

南京信息工程大學 江蘇省南京市 210044endprint