基于分布式模式识别框架研究方法

蔡艳婧,王则林

1.江苏商贸职业学院 电子与信息学院,江苏 南通 226011

2.南通大学 信息科学技术学院,江苏 南通 226000

模式识别方法层出不穷，主要有：基于分类的统计模式识别[1]和句法模式识别[2]。基于认识的放生模式识别[3]和基于自组织的协同模式识别[4]；基于代数的子空间模式识别[5]等。它们在天气预报、卫星航空图片解释等方面得到了成功应用[6]。但所有这些方法与人类的模式识别过程有较大差距。

特征反映的是系统的浅层表象（微观层次），模式反映的是系统的核心本质（宏观层次），因为协作，宏观层次的“模式”被赋予了新的属性，凸显出一种整合作用，而这种新的属性在微观层次的各个“特征”中是不存在的。计算机的元件速度非常快，但识别图像非常慢，以至无能为力。

模式识别在解决问题上存在一些不足。主要在于：特征抽取问题，特征抽取或图像特征抽取没有统一的、适用于所有问题的手段，特征抽取方法的优劣无法准确评判，分类器识别率、特征空间维数及样本容量彼此间的关系还没有一套成型的理论；结构识别问题；缺乏构建有效的基元协作机制；小样本识别问题；特征空间与应用无关问题，造成大量信息冗余，不能反映特定应用的本质特征等等。

1 分布式模式识别框架及推导

受逼近论的启发，找一组基底（即，Agent），使输入模式逼近所要识别的模式。这种表示可以突出某个侧面的重要性。如小波系数可以清楚地提供信号奇异点的类型和位置。逼近的方式有两种：线性逼近和非线性逼近。分布式模式识别框架采用非线性逼近的方式，设是输入模式，我们预设的模型是：

对于分布式模式识别框架而言，关键的问题是Agent 之间的相互交流和协调，共同完成任何单个Agent 均无法独立完成的识别任务。通常这种交流和协调是建立在语义通信和知识推理之上的。因此语义通信协议和知识的逻辑推理研究构成了分布式模式识别框研究核心内容。

定义1：设为一向量集合，如果存在向量集合，使得内积＜，则称为的广义逆向量。

定理1：设表示的广义逆向量，

由内积性质得：

定义2：设为一动力学系统，ξu和ξs分别为系统的非稳定模和稳定模，称ξu为系统的序参量。

定理2：设为一动力学系统，ξs为系统的稳定模，ξu为系统的非稳定模，则ξu的演化满足方程：，其中，λs为学习矩阵特征根，

设λj为L的特征值，对应λj的特征向量，即。由矩阵函数谱分解定理得：

势函数右端每一项的含义：λu为注意参数，只有当λu＞0 时，模式才能被识别，否则不能识别。由于第一项为负，所以当增加时，V下降，当增大到一定限度时，第三项占优，并且最终比第一项变化的更快，所以第一项和第三项相互作用表现出山谷。第二项能引起脊的形成，正是基于此，才实现了不同模式之间的区别。

2 算法的设计和实现

用Matlab 进行了仿真ORL 人脸库的人脸识别实验。进入系统后显示如图1 的主界面。

图1 分布式模式识别仿真主界面Fig.1 Distributed pattern recognition simulation main interface

图2 大高斯噪声的识别结果Fig.2 Recognition results of large gaussian noise

系统主要由学习，识别，输入模式选择，Agent 演化曲线等模块组成。学习模块完成标准模式的选择，归一化，正交化，降维，先验知识的选择等；识别模块可以完成单模式识别，多模式识别，识别率计算等；输入模式选择模块分确定方式和交互方式，图2 是大高斯噪声的识别结果，演化2步完成识别。图3 是重叠噪声的识别结果，演化6 步完成识别。图4 是放缩噪声的识别结果，演化17 步完成识别。图2-图4 用PCA 方法识别是失败的。

图3 重叠噪声的识别结果Fig.3 Recognition results of overlapping noises

图4 编号为48 的人脸进行识别的结果Fig.4 face recognition results of No.48

3 结论

传统模式识别方法研究以特征为基础，而分布式模式识别框架的注意力集中在整个特征网络的活动上。因此，分布式模式识别框架考察的是模式的整体。表1 列出集中模式识别方法的对比。

表1 五种模式识别方法的对比Table 1 Comparison of five pattern recognition methods

在传统模式识别中，以算法为基础，意味着整个系统以确定行方式工作，而分布式模式识别框架是以自组织+算法为基础，系统状态是由确定性事件和偶然事件两者共同确定的。

通常情况下，模式识别需要在分布式环境中进行，但是统计、仿生、协同和子空间这四中模式识别又不支持分布式计算，这就导致需求之间的矛盾和问题。本文只是简单地说明了分布式模式识别框架的基本思想，在后续的文章中，我们将讨论分布式模式识别框架关键技术的设计和实现。