定性映射正交基空间下的模式识别技术

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

的或复杂的定性基准结构。式（）１就是定性映射模型。定性映射模型的学习机制：当不同的输入最ｄｘ对应着（）不同的目标最Ｐ（）ｉ时，ＱＭ模型可以通过学习，不断地调整ｘ定性基准ｃｘ，以使Ｑ模型符合从ｄｘ到Ｐ（）ｉ）（Ｍ（）ｉ的映射，达ｘ
ＦｕｉｒｒｎｆｒｔｎｉｉｄｃｄｂｒｈｇｎｌｙｓａｅＡｆｅａ，ｈｅｌｍｅｎｎｆｐｏｅｔａｃｌｔｏｓｄｓｕｓｄａｈａｔｒｅｏｎｔｎｏｒｅａｓｏｍａｉｓｎｕｅｙｏｔｏｏａｉｐｃ．ｔｒｔｔｔｅｒａａｉｇｏｒｐｒｙｃｌｕａｉｎｉｉｃｓｅ，ｎｄｔｅｐｔｎｒｃｇｉｏｔｏｔｈｅｉｍｅｈｄｂｓｄｏｈｒｈｇｎｌｙｓａｅｏｕｌａｉｅｍａｐｎｓｂｉｇｆｒｒ．ｏｃｕｌｐｉａｉｎｓｎｕｈｍｅｈｄａｅｇｖｎｉｈｎｔｏａｅｎｔｅｏｔｏｏａｉｐｃｆｑａｉｔｐｉｇｉｒｏｗａｄＳｍｅａｔａｐｌｔｏｓｕｉｇｓｃｔｏｒｉｅｎｔｅｅｄ．ｔｔｖｎａｃ
中圈分类号：Ｐ９Ｔ３１
定性映射正交基空间下的模式识别技术
王洪，冯嘉礼
（上海海事大学计算机系，上２０３）海０１５摘要：给ｍ了定性映射模型的学习机制，然后提ｍ了定性映射正交基空间的概念，在此正交基空间一诱导出了傅立叶变换，并解释了Ｆ从
ＯｒｈｇｎｌｙＳａｅｔｏｏａｉｐｃｔ
ＷＡＮＧｎＦＥＮＧＪａｉＨｏｇ．ｉｌ
（ｐｏｍｐｔｒＳｉｎｅＳｈｎａＭａｉｍｅＵｎｖｒｉ，ａｇａ０５）ＤｅｔｆＣｏｕｅｃｅｃ，ａｇｈｉｒｔｉｅｓｔＳｈｎｈｉ０Ｉｉｙ２３
［ｙｗｒｓＱａｔｔｍａｐｎ；ｃｉｅｌａｎｎ；ｔｏｏａｉｐｃｆＫｅｏｄ］ｕｌａｘｐｉｇＭａｈｎｒｉｇＯｒｇｎｌｙｓａｅｉｉｅｅｈｔｏＱＭ；ａｅｎｒｃｇｉｏＰｔｒｏｎｔｎｔｅｉ
模式识别（ａｅｎＲｃｇｉｏ）般部是先给出 “ Ｐｔｒｅｏｎｔｎ－ｔｉ模式” ，然后再进行识别。模式”的获取就是一个机器学习问题，识 “ “ 别”实际上就是一种判断。文献【，】出了事物说明当给定一个输入量ｘ，如果满足ｘ【．．则 ∈０，】ｃ，ｐ输出等于１否则输出为０，０ｐ称为定性基准。个简单，【．ｃ】，这的事实背后有着深刻的意义，人们对客观世界的认识就是要
去不断的发现客观规律，而这些客观规律就表现为一些简单
数值计算到属性计算的内涵，提出定性映射正交基空间下的模式识别技术。最后给ｍ了该方法的应用实例。关健词：定性映射；机器学习；定性映射正交基空间；模式识别
ＰｔｒｅｏｎｔｎＭｅｈｄＢｓｄｏａｉｔｅａｐｎａｔｎＲｃｇｉｏｔｏａｅｎＱｕｌａｉｐｉｇｅｉｔｖＭ
到学习目的。Ｃｘ组成事物量特征与其质特征之间关系的空ｉ）（
间，智能地不断进步，表现为在学习、判断和推理的过程中，不断优化这个定性基准空间Ｊ。
维普资讯
第３卷第ｌ期２７
Ｖ３ｏＬ２
・
计
算机
工
程
２０年９月０６
Ｓｅｅｂｅ２０ｐｔｍｒ０６
Ｎａ１７
ＣｏｐｔｒＥｎｉｅｒｎｍｕｅｇｎｅｉｇ
专题论文・
文章编号：ｌ０＿４８０６７ｏ５２文献０＿３２（０） —０９—００．２ｌ标识码：Ａ
ｌ定性映射模型及其学习机制
事物有质和黾两种规定性，质和量之间有所谓质量互变
规律：只有超过度的范围的量变才导致质的变化，而限于度 “ 的范围之内的量变不导致质变” 。
如图ｌ所示，属性ｐｏ可以分解为若干个子属性Ｐ（），（）ｉｏ
而每一个子属性ｐｏ又可分解为若丁子属性Ｐｔ）ｊｏ、）（ｊｏ，Ｐ（）（２ … Ｐ（）只有具备了每一个子属性Ｐ（）才能表现出属性ｐｏ。ｊｏ。ｋｉ，ｏ（）
抽或一转算，㈨｛取量质化子ｏ
的真值。
ｌ性命（）质题ｐ，为ｘｏ
特征转化规律的定性映射（的数学模型，ＱＭ）并证明了Ｑ与Ｍ
人工神经元是等价的。既然人工神经网络的具有学习能力，那么ＱＭ是否具有一定的自学习能力呢？
］ｓｒｃ］Ｉｉｐｐｒｔｅｌｒｉｇｐｉｃｐｅｏｕｌａｉｅｍａｐｎｄｌｓｇｖｎｏｔｏｏａｔｓａｅｏｕｌａｖｐｉｇｉｐｔｏｗｒ．Ａｂｔａｔｎｔｓａｅ，ｈａｎｎｒｉｌｆａｉｔｐｉｇｍｏｅｉｉｅ，ｒｇｎｌｙｐｃｆａｉｔｅｍａｐｎｕｒａｄｈｅｎｑｔｖｈｉｑｔｉｓｆ