模式识别的属性计算网络模型

提出了定性映射诱导的属性计算网络,讨论了属性计算网络中定性基准的学习和反馈调节机制,给出了相应的调节算法,并给出了属性计算网络在模式识别中的应用实例.     

定性映射正交基空间下的模式识别技术

给出了定性映射模型的学习机制，然后提出了定性映射正交基空间的概念，在此正交基空间下诱导出了傅立叶变换，并解释了从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。最后给出了该方法的应用实例。     

基于属性论的特征提取方法及其在人脸识别中的应用

该文提出一种基于属性论的人脸识别方法,主要应用于提高复杂背景下的多姿态人脸检测的识别效果。首先介绍了属性论的基石——定性映射理论,讨论了定性映射、经典集合论和特征函数之间的关系,然后讨论了基于定性映射的模式生成与识别模型,经过对人脸及人脸的特征点进行定位后,即可利用属性计算网格的定性基准网格对人脸的各特征点进行建模。研究发现基于属性论的人脸识别算法,识别率较高。在复杂背景下的多姿态人脸检测(如侧面人脸、遮挡脸)仍然取得较好的效果。     

交通标志识别的定性映射模型

采用属性轮方法建立交通标志的定性映射模型,利用此模型结合转化程度函数,对交通标志进行识别。实验结果表明,定性映射在交通标志识别领域具有一定的应用价值。     

基于属性Petri网的语义网络知识表示

首先给出了基于定性映射的属性Petri网的形式定义和运行机制;其次给出了基于属性Petri网的语义网络知识表示模式,此模式适合干感觉特征抽取与整合,和基于该机制的各种思维功能的描述。     

基于拓扑结构感知的节点多属性网络映射算法

针对当前节点多属性网络链路映射长度较长、网络请求接受率和收益开销较低的问题,提出基于拓扑结构感知的节点多属性网络映射算法.根据无向图描述节点多属性网络映射问题,采用拓扑结构感知,构建节点多属性网络模型和节点链路映射评测指标,利用回溯算法,计算sumTR值,获得备选网络节点集合.使用子区域作为物理节点映射区域进行资源分配,按照映射优先级排列网络节点依次映射,分析节点多属性,使用最短路径算法,排序跳数最小链路映射,实现节点多属性网络映射.实验结果表明,所提算法能够有效缩短链路映射长度,提高网络请求接受率和收益开销.     

基于属性论方法的分形图像压缩

提出利用基于基准空间的分形维数的图像特征抽取算法,基于定性基准空间的伸缩、平移、剖分、旋转和叠加等运算规则实现对分形的图像压缩编码,结合属性论定性映射及非线性变换实现了一种新的自适应图像分形压缩算法.     

属性Petri网模型及其推理算法

定性映射是从哲学上事物的质-量互变规律出发,以感觉特征抽取为依托而建立的脑思维数学模型。文章以定性映射基本定义为基础讨论了属性Petri网的基本模型,给出了其形式定义和基本运行机制,描述了基于属性Petri网的知识表示模式,最后给出了属性Petri网的相应推理算法。该模型在以定性判断为特点的诊断系统中能得到较好地应用。     

从判断到识别的定性映射模型与模糊人工神经元

将基于属性量-质特征转化的性质命题判断抽象为一个以定性基准为参量的动态定性映射,给出定性基准分别为一个区间、区间向量和n维超平行体网格的定义,讨论加权w对定性基准的几何意义,定性映射和人工神经元的关系,以及(性质判断的)定性映射转化为(模式)识别映射的机制和条件.指出,加权w的实质是对定性基准中的n维超平行体实施一个旋转变换.因人工神经元可看作是对n维超平行体的一个面实施加权w内积旋转变换后的形式,故是(加权w内积变换)定性映射的一个特例.当定性基准中n维超平行体的所有边长都趋近于零时,以(近)零边长的n维超平行体为基准的定性映射转化为一个向量的判断或搜索映射,并可对任一可转化为一个向量的模式进行识别.此外,本文还提出了属性量-质转化程度函数的概念和一种导致定性基准边界模糊化的机制,指出,若用某个模糊化的转化程度函数代替定性映射进行判断和识别,则得到一种模糊判断和识别,并以一系列实例证实了定性映射和转化程度函数方法的实用性.     

基于属性运算的本体概念间语义关系网络研究

介绍属性论中定性映射、属性幺半群、属性单纯形及其重心剖分模型、属性空间坐标等理论,实现概念提升,以构建概念间语义关系网络.