基于特征評(píng)價(jià)的模式識(shí)別算法研究.pdf

1、歐氏距離是模式識(shí)別算法中最常采用的相似性計(jì)算量度。在計(jì)算數(shù)據(jù)間相似度時(shí)，歐氏距離為所有特征賦予相同的重要性，但是這與實(shí)際情況不符。尤其當(dāng)特征維數(shù)較高時(shí)，大量不相關(guān)特征會(huì)影響歐氏距離計(jì)算的準(zhǔn)確性，從而影響模式識(shí)別算法的性能，產(chǎn)生維數(shù)災(zāi)問(wèn)題。通常維數(shù)災(zāi)問(wèn)題通過(guò)特征選取算法解決。但是特征選取算法僅適用于解決特征與類(lèi)存在較高相關(guān)性或者完全不相關(guān)的情形。本文通過(guò)特征評(píng)價(jià)解決特征與類(lèi)存在不同相關(guān)度的維數(shù)災(zāi)問(wèn)題。
　　針對(duì)模糊C均值算法的維數(shù)災(zāi)

2、，提出了基于函數(shù)CFuzziness的特征權(quán)重的學(xué)習(xí)算法。特征權(quán)重學(xué)習(xí)算法為每個(gè)特征賦予一個(gè)權(quán)重，區(qū)分其對(duì)聚類(lèi)的貢獻(xiàn)。合理的權(quán)重值使得相似的數(shù)據(jù)彼此更靠近，不相似的數(shù)據(jù)相互遠(yuǎn)離，此時(shí)的聚類(lèi)結(jié)果好。通過(guò)梯度下降算法極小化函數(shù)CFuzziness就可以為每個(gè)特征賦予一個(gè)合適的權(quán)重值。權(quán)重應(yīng)用于模糊C均值算法，得到加權(quán)模糊C均值算法。加權(quán)模糊C均值算法強(qiáng)調(diào)重要特征的作用，消減冗余特征的作用，從而得到較好的聚類(lèi)結(jié)果。實(shí)驗(yàn)表明，加權(quán)模糊C均值算法

3、的聚類(lèi)結(jié)果優(yōu)于模糊C均值算法的聚類(lèi)結(jié)果。
　　針對(duì)最近鄰分類(lèi)器的維數(shù)災(zāi)，提出了兩種特征子集劃分算法，并構(gòu)造相應(yīng)的多分類(lèi)器融合系統(tǒng)。首先，特征集合被劃分成若干特征子集；然后，每個(gè)特征子集由一個(gè)子分類(lèi)器分類(lèi)識(shí)別；最終，多個(gè)子分類(lèi)器的分類(lèi)結(jié)果融合輸出。特征子集所包含的維數(shù)降低，子分類(lèi)器的維數(shù)災(zāi)減輕。選用合理的特征子集劃分算法保證子分類(lèi)器的正確性和多樣性，融合多個(gè)子分類(lèi)器的分類(lèi)結(jié)果就能夠得到更好的分類(lèi)性能。
　　本文構(gòu)造了基于遺傳算

4、法的特征子集劃分算法和基于互信息的特征子集劃分算法。遺傳算法根據(jù)多分類(lèi)器的融合正確率，采用全局搜索機(jī)制尋找最優(yōu)的特征子集劃分，屬于Wrapper類(lèi)的特征子集劃分算法，該算法能夠?yàn)樽臃诸?lèi)器選取最適合的特征子集?；バ畔⒏鶕?jù)特征與類(lèi)的相關(guān)性，通過(guò)前向貪心搜索機(jī)制為子分類(lèi)器選取相應(yīng)的特征子集，屬于Filter類(lèi)的特征子集劃分算法，該算法具有時(shí)間復(fù)雜度小的優(yōu)點(diǎn)。
　　本文提出了一種模糊最近鄰分類(lèi)器，并采用它為子分類(lèi)器。最近鄰分類(lèi)器僅能夠給出

5、數(shù)據(jù)所屬的類(lèi)別信息；而模糊最近鄰分類(lèi)器能夠給出數(shù)據(jù)在每一類(lèi)中的隸屬度，更有效的反映輸出結(jié)果。
　　多個(gè)子分類(lèi)器的決策通過(guò)模糊積分融合得到最終分類(lèi)結(jié)果。模糊積分是基于模糊測(cè)度的融合算法。模糊測(cè)度用于度量子分類(lèi)器的重要性，重要性根據(jù)訓(xùn)練數(shù)據(jù)學(xué)習(xí)得到。與其他融合算法相比，模糊積分不僅考慮了子分類(lèi)器的實(shí)際輸出，而且考慮了子分類(lèi)器的重要性，融合效果好。實(shí)驗(yàn)表明，基于遺傳算法和基于互信息劃分特征子集的兩種模糊最近鄰融合算法的分類(lèi)性能均優(yōu)于最近

6、鄰分類(lèi)器的分類(lèi)性能。
　　本文將上述3種算法應(yīng)用于識(shí)別Corel圖像庫(kù)。Corel圖像庫(kù)中每幅圖片分別通過(guò)顏色直方圖，顏色一致向量，PWT和Hu矩提取得到4個(gè)特征文件，作為圖像識(shí)別實(shí)驗(yàn)系統(tǒng)的輸入數(shù)據(jù)。加權(quán)模糊C均值算法圖像聚類(lèi)的結(jié)果優(yōu)于模糊C均值算法。圖像分類(lèi)采用基于遺傳算法劃分特征子集的模糊最近鄰融合算法和基于互信息劃分特征子集的模糊最近鄰融合算法。兩種融合算法分類(lèi)圖像的結(jié)果明顯優(yōu)于最近鄰分類(lèi)器。由于兩種特征子集劃分算法采用了不