仲思穎

摘 要

本文所建立的樹(shù)狀模型是一種同時(shí)適用于模式識(shí)別和人工智能系統(tǒng)的生存期模型。該模型受限通過(guò)相似化的比擬方式，通過(guò)極少數(shù)的模型結(jié)構(gòu)單元組合成一類(lèi)智能感知并且識(shí)別模式系統(tǒng)的原型，此外還可以通過(guò)少數(shù)的知識(shí)單元合并為一類(lèi)人工智能系統(tǒng)的原型。接著，以上述模型為基礎(chǔ)，領(lǐng)域的各個(gè)模型單元所有知識(shí)單元依照類(lèi)似瀑布模型的各種階段，通過(guò)流水生產(chǎn)的方法進(jìn)行生產(chǎn)。最后，將其通過(guò)近似分類(lèi)樹(shù)狀模型的方法放進(jìn)庫(kù)內(nèi)，最終得以完成該系統(tǒng)的各類(lèi)軟件版本的開(kāi)發(fā)。

【關(guān)鍵詞】模式識(shí)別 智能系統(tǒng) 樹(shù)狀模型

1 提出并建立樹(shù)狀模型

1.1智能模型基態(tài)

首先，通過(guò)與瀑布模型相仿的做法，將個(gè)別數(shù)據(jù)結(jié)構(gòu)通過(guò)一定方法合成一類(lèi)模式能夠識(shí)別的智能模型基態(tài)。其數(shù)據(jù)結(jié)構(gòu)主要有以下幾部分，包括某一領(lǐng)域內(nèi)的一類(lèi)最基本模型單元，也包括知識(shí)結(jié)構(gòu)單元，其所形成的知識(shí)數(shù)據(jù)庫(kù)就好比廣義樹(shù)狀模型的初等原型。基于模式識(shí)別或人工智能模型是由數(shù)據(jù)結(jié)構(gòu)為主要構(gòu)成，且算法精煉簡(jiǎn)潔這些特性，故以上任何一類(lèi)系統(tǒng)有關(guān)的算法模式都可通過(guò)原型加以達(dá)成。通過(guò)個(gè)別最基本的模型單位生成的基礎(chǔ)領(lǐng)域模型庫(kù)或知識(shí)系統(tǒng)，可以類(lèi)似看作整個(gè)樹(shù)狀模型的基礎(chǔ)化，這對(duì)日后的工業(yè)型發(fā)展起著極為重要的鋪墊作用。

1.2 與模塊式程序設(shè)計(jì)相仿，模型庫(kù)或知識(shí)庫(kù)一樣能通過(guò)一定的手段模塊化

可將其視為由眾多模型單位或知識(shí)單位構(gòu)成，將領(lǐng)域模型單位以及知識(shí)單位合理有序得放進(jìn)上述兩類(lèi)庫(kù)內(nèi)中。這一做法對(duì)整體模型的設(shè)計(jì)有著很大的幫助效果，其功能與普通軟件的實(shí)現(xiàn)思路和設(shè)計(jì)邏輯相似，均通過(guò)將模型單元化的方式分析，并極大程度提高了流水線(xiàn)生產(chǎn)的效率。

通過(guò)用諸如螺旋模型等形式，向模型庫(kù)或知識(shí)庫(kù)中導(dǎo)入基本單位。螺旋每旋轉(zhuǎn)一次之前，都有必要通過(guò)細(xì)致的分析進(jìn)行合適的計(jì)劃開(kāi)展，并對(duì)宏觀(guān)需求加以分析。然后開(kāi)展領(lǐng)域模型以及領(lǐng)域知識(shí)的概念認(rèn)知，對(duì)各個(gè)領(lǐng)域的結(jié)構(gòu)和內(nèi)容按塊進(jìn)行區(qū)分和了解，這之中各個(gè)結(jié)點(diǎn)單元便是所謂的各領(lǐng)域單元。方便簡(jiǎn)潔的結(jié)構(gòu)使其能夠很快的看出已經(jīng)實(shí)現(xiàn)的部分結(jié)構(gòu)單位和小部分仍在建設(shè)結(jié)構(gòu)單位。針對(duì)仍未成功的小部分領(lǐng)域可以加以分析、設(shè)計(jì)和測(cè)試，并設(shè)立部門(mén)各自分工，各個(gè)部門(mén)最終通過(guò)流水線(xiàn)的形式井然有序地將基礎(chǔ)結(jié)構(gòu)單元放入庫(kù)內(nèi)，長(zhǎng)此以往，最終得以完成該系統(tǒng)的各類(lèi)軟件版本的開(kāi)發(fā)。

對(duì)于模式識(shí)別系統(tǒng)而言，其基本單元便是領(lǐng)域的模型單位，例如在進(jìn)行語(yǔ)音識(shí)別時(shí)，其本質(zhì)就是一類(lèi)波形；有關(guān)指紋識(shí)別主要由以下三個(gè)步驟組成：

（1）加強(qiáng)與權(quán)威聲音的合作與探討，并查閱相關(guān)書(shū)籍和文獻(xiàn)，以獲得各個(gè)模型單位的準(zhǔn)確參數(shù)。

（2）將收集到的參數(shù)資料進(jìn)行整理和匯總，匯入并制成一張總表，并對(duì)數(shù)據(jù)進(jìn)行分析和處理。

（3）將數(shù)據(jù)輸入計(jì)算機(jī)進(jìn)行相關(guān)的模擬，觀(guān)察是否能得到正確的識(shí)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(lèi)似于模式識(shí)別系統(tǒng)。此外，當(dāng)向庫(kù)內(nèi)裝放基本單位時(shí)，通過(guò)使用直接交互操作舊有的模式識(shí)別或人工智能系統(tǒng)的可視化生成方式，能夠較大的幫助系統(tǒng)在識(shí)別以及其他功能上得到更好的直觀(guān)性體現(xiàn)。

2 樹(shù)狀結(jié)構(gòu)的模型以及知識(shí)庫(kù)的確立

模式識(shí)別以及人工智能系統(tǒng)，將分類(lèi)樹(shù)叢的每個(gè)根點(diǎn)位（孤立點(diǎn)位）所對(duì)應(yīng)的模型或知識(shí)單位逐個(gè)視作被識(shí)別對(duì)象，通過(guò)新型模型單位以及知識(shí)單位對(duì)已識(shí)別的點(diǎn)位一一進(jìn)行識(shí)別處理。樹(shù)狀模型的確立可分為以下兩步：

（1）若在部分根點(diǎn)位對(duì)應(yīng)的模型或知識(shí)單位內(nèi)，具備認(rèn)識(shí)出新模型單元知識(shí)單位的能力，那么：

①若l大于等于2時(shí)，可將點(diǎn)位視為此類(lèi)根點(diǎn)位的父點(diǎn)位。并產(chǎn)生一組更復(fù)雜的分類(lèi)樹(shù)，然后將此類(lèi)新模型單位放進(jìn)模型單位組內(nèi)，學(xué)習(xí)完成。

②若l等1時(shí)，可以利用此根點(diǎn)位對(duì)應(yīng)的模型或知識(shí)單位，并將新模型單元加以分析和識(shí)別。若在各類(lèi)單元的識(shí)別過(guò)程中，具備認(rèn)知這個(gè)根結(jié)點(diǎn)相應(yīng)的模型或知識(shí)單位的能力，就證實(shí)該點(diǎn)位和此類(lèi)根點(diǎn)位相同，不須學(xué)習(xí)，學(xué)習(xí)終端；否則，運(yùn)用與①相似的手段進(jìn)入新點(diǎn)位，學(xué)習(xí)完成。

（2）若無(wú)法將某一點(diǎn)位所對(duì)應(yīng)的模型單位以及知識(shí)單位中，認(rèn)知出新模型單位或知識(shí)單位，則有必要將新加入的模型單位或知識(shí)單位變?yōu)榇⒌膶?duì)象，逐個(gè)通過(guò)每個(gè)根點(diǎn)位所對(duì)應(yīng)的模型知識(shí)單位加以識(shí)別處理。

①若不存在成功識(shí)別的點(diǎn)位，那么新點(diǎn)位只能視作一類(lèi)獨(dú)立點(diǎn)位，學(xué)習(xí)完成。

②若存在兩個(gè)及以上的根點(diǎn)位識(shí)別完成，由于不存在任何點(diǎn)位可以同時(shí)從屬于兩類(lèi)區(qū)分開(kāi)的事物，故學(xué)生發(fā)生錯(cuò)誤終端。

③若有任何一個(gè)根點(diǎn)位D識(shí)別完成，那么新點(diǎn)位變?yōu)镈的后代點(diǎn)位

所以，有必將對(duì)D的所有子點(diǎn)位運(yùn)用和每個(gè)點(diǎn)位相似的處理方式，總結(jié)為有以下六大類(lèi)情況。

（1）新點(diǎn)位變?yōu)镈的子點(diǎn)位，新點(diǎn)位變成D最初某一類(lèi)子點(diǎn)位的父點(diǎn)位，與樹(shù)狀模型方法一中的第①步驟相似。

（2）新點(diǎn)位和D的某一子點(diǎn)位相同，與樹(shù)狀模型方法一中的第②步驟相似。

（3）新點(diǎn)位變?yōu)镈的子點(diǎn)位，新點(diǎn)位變成某一子點(diǎn)位的父點(diǎn)位，與樹(shù)狀模型方法一中的第②步驟相似。

（4）新點(diǎn)位變?yōu)镈的又一子點(diǎn)位，與樹(shù)狀模型方法二中的第①步驟相似。

（5）新點(diǎn)位學(xué)習(xí)失敗，與樹(shù)狀模型方法二中的第②步驟相似。

（6）新點(diǎn)位變?yōu)镈的某一子點(diǎn)位D的子代，與樹(shù)狀模型方法二中的第③步驟相似，逐個(gè)用遞歸形式加以分析。若新點(diǎn)位變?yōu)楦淖狱c(diǎn)位的子代，則立即繼承新點(diǎn)位，建立過(guò)程到此為止。

3 模型建立的前提

為了保證整個(gè)系統(tǒng)的工業(yè)化運(yùn)作，系統(tǒng)對(duì)整體的模式認(rèn)知能力以及系統(tǒng)提出了較高的普遍性指標(biāo)。對(duì)模式認(rèn)知而言，模型單位的儲(chǔ)存方法主要以分類(lèi)儲(chǔ)存為主，并通過(guò)分類(lèi)的手段進(jìn)行識(shí)別和匹配。針對(duì)指紋識(shí)別，將該識(shí)別方式運(yùn)用到某張?zhí)烊恢讣y圖像的識(shí)別中去，觀(guān)察是否能在其中對(duì)某類(lèi)模型結(jié)構(gòu)加以識(shí)別。整個(gè)識(shí)別方式主要指紋圖像為識(shí)別基礎(chǔ)，將模型庫(kù)加以分析和整合，并將上述結(jié)構(gòu)單位用該模型單位以及天然指紋圖像的各個(gè)位置加以匹配。

4 結(jié)語(yǔ)

文章提出和建立了樹(shù)狀結(jié)構(gòu)模型，模型單位以及知識(shí)單位都呈模塊狀，維護(hù)簡(jiǎn)單且可靠度高，生產(chǎn)運(yùn)作模式也大都實(shí)現(xiàn)了流水化生產(chǎn)。此類(lèi)生產(chǎn)形式適用于模型單位作為基礎(chǔ)結(jié)構(gòu)單位的模式認(rèn)知和識(shí)別模型，或以知識(shí)單元為基本組成單元的人工智能系統(tǒng)。這類(lèi)模式識(shí)別和人工智能系統(tǒng)具有很大的普遍性。

參考文獻(xiàn)

[1]張?zhí)煨?模式識(shí)別與智能系統(tǒng)研究展望和對(duì)策[J].自動(dòng)化學(xué)報(bào)，2002（12）.

[2]張佳.模式識(shí)別與智能系統(tǒng)專(zhuān)業(yè)實(shí)驗(yàn)室建設(shè)設(shè)想[J].中國(guó)電力教育；2013（03）.

[3]孫雪燕.淺談人工智能的應(yīng)用與發(fā)展[J].電腦知識(shí)與技術(shù)，2007（10）.

作者單位

南京信息工程大學(xué) 江蘇省南京市 210044endprint