The present invention provides a method of pattern recognition, a multi feature condition includes: Step 1, establish the desired target recognition model directed connected graph model; characteristics of step 2, definition of connected nodes and edges of the form function with the feature; step 3, to obtain real-time observation signal, and the pretreatment for the use of the observed signal; step 4, can be calculated according to the directed connected graph model of all nodes and edges of the characteristic function using the observed signal; transfer probability calculation steps of each node 5, according to the characteristics of the function of state probability with each side; step 6, repeat steps two and five, and record the relevant information for each round; step 7, the best matching pattern recognition decoding.
【技术实现步骤摘要】
一种多特征条件下的模式识别方法
本专利技术涉及计算机及通信互联网领域模式识别的方法,具体地,涉及一种在多特征条件下实现精确模式识别的方法。
技术介绍
随着当代科技的快速发展,各种设备包括手机,平板,电脑等产生了海量的数据,从而带来了大数据分析的兴起。在信息化的时代,数据意味着价值,海量的数据意味着无与伦比的价值。然而海量的数据中包含着错综复杂,相互交叉扰乱的信息。如何理清数据间错综复杂的关系,从海量的数据中提取出有用数据成为数据分析的关键。与此同时,随着产生数据的设备数目的急剧增长以及对于精确数据分析日益增长的需求,大数据分析带来了机器学习特别是模式识别的蓬勃发展。模式识别就是通过计算机用数学技术方法来研究模式的自动处理和判读。随着计算机技术的发展,模式识别成为人工智能以及计算机智能化的基础以及瓶颈,特别是在要求大数据分析的应用中。经对现有文献研究发现,文献“基于隐马尔可夫模型的物体识别”(J.Hornegger,H.Niemann,D.PaulusandG.Schlottke,ObjectrecognitionusinghiddenMarkovmodels,PatternRecognitioninPracticeIV,pp.37-44)提供了一种使用隐马尔可夫模型来实现模式匹配的方法,该方法可以在单特征条件下识别满足一定预设条件的物体,也即模式匹配。但是该方法缺乏对于多种非独立特征条件的考虑,在多特征模式下匹配性能欠佳。文献“贝叶斯人脸识别”(BabackMoghaddam,TonyJebara,AlexPentland,BayesianFaceReco ...
【技术保护点】
一种多特征条件下的模式识别方法,其特征在于,包括:步骤1、建立所需识别目标模式的有向连通图模型;步骤2、定义连通的节点与边的特征,所述特征用函数的形式表现;步骤3、获得实时观测信号,并预处理为可使用观测信号;步骤4、根据可使用观测信号计算有向连通图模型中所有节点以及边的特征函数;步骤5、根据特征函数计算当前各节点的状态概率与各边的转移概率;步骤6、反复进行步骤二至步骤五,并记录每一轮的相关信息;步骤7、通过译码识别最佳匹配模式。
【技术特征摘要】
1.一种多特征条件下的模式识别方法,其特征在于,包括:步骤1、建立所需识别目标模式的有向连通图模型;步骤2、定义连通的节点与边的特征,所述特征用函数的形式表现;步骤3、获得实时观测信号,并预处理为可使用观测信号;步骤4、根据可使用观测信号计算有向连通图模型中所有节点以及边的特征函数;步骤5、根据特征函数计算当前各节点的状态概率与各边的转移概率;步骤6、反复进行步骤二至步骤五,并记录每一轮的相关信息;步骤7、通过译码识别最佳匹配模式。2.根据权利要求1所述的多特征条件下的模式识别方法,其特征在于,步骤2中所述特征包括区分有向连通图中的节点、边的特征。3.根据权利要求1所述的多特征条件下的模式识别方法,其特征在于,步骤2中所述特征为单一或者多种特征。4.根据权利要求1所述的多特征条件下的模式识别方法,其特征在于,步骤3中所述实时观测信号包括单一和多种信号。5.根据权利要求1所述的多特征条件下的模式识别方法,其特征在于,步骤3中所述可使用观测信号可直接应用于步骤二中所定义的函数。6.根据权利要求1所述的多特征条件下的模式识别方法,其特征在于,步骤5中所述的根据特征函数计算当前各节点的状态概率与各边的转移概率,包括:每个节点的M个特征函数组合为状态概率πi;每个边的M′个特征函数组合为转移概率pi;根据当前状态概率矩阵Π={πi(i=1,2,…,N)}与转移概率P={pi(i=1,2,…)}获得新的状态概率矩阵П=П×P,N为有向连通图模型中的节点数目。7.根据权利要求6所述的多特征条件下的模式识别方法,其特征在于,步骤6中所述的相关信息包括:每一轮的状态概率...
【专利技术属性】
技术研发人员:戴海威,陈星翰,武丙帅,余狄,周永江,
申请(专利权)人:上海谦尊升网络科技有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。