自适应学习算法在图像识别中的应用

自适应学习算法在图像识别中的应用主要研究了特征图像的自适应识别技术问题，并提出了利用自适应共振理论，以期能够实现自稳定和自组织识别的人工神经网络，达到学习和自适应识别图像的应用要求。根据这一原理及规则，给出了具有自稳定分类功能的自适应学习算法。关键词：关键词：自适应学习；特征图像；模式识别对特征图像信息识别方面的应用和研究有着很好的态势，在金融、保险、安全、交通、刑侦等领域有着广泛的应用。但大多基于静态的分类识别，对于任意复杂的环境输入模式，通常的识别系统没有能力适应多变化环境的能力。为此，需要具有自适应的学习系统，它不但能识别已经认识的对象，也能把每一个新输入模式作为一个例子对待。自适应共振理论（ART）是一种神经网络模型系统，它具有对已学过的对象进行稳定的快速识别的能力；同时，又能迅速适应未学习过的新对象。这里借助这种具有实时学习功能网络系统，对任意复杂的环境输入模式进行自稳定和自组织，从而使系统达到对图像的识别和自适应学习的能力，满足识别对象变化的环境。一、理论背景1.问题的提出当人们处在一个复杂的环境中，经过一段时间的学习，已经认识了一些模式，人们希望把已经学会的模式稳定地记住，这时如果再输入一个新的对象，通过搜索可以很快发现它与已学会的某一模式充分相似，于是把它归入该模式类，即希望识别系统有一定的稳定性；同时，当输入对象与已学过的模式不相似时，又能把它作为一种新的模式来处理，即希望系统有一定的可塑性，以便能接受新的事物。这两个要求之间是互相矛盾的。自适应共振理论将竞争学习模型嵌入一个自调节控制机构，那么当输入充分类似于已存在模式时系统接受它；而当不够类似时，又能作为新的类别来处理。充分相似程度可由一参数表示，0＜≤1。如果较大，则要求的相似性较严格，较小则分类粗糙，但可以在自适应学习时进行动态调整，提高警觉性。自从提出自适应共振理论后，经过不断发展，现有三种ART的结构，即ART-1、ART-2和ART-3，其中ART-1用于二值输入。这三种ART结构的主要优点是，具有实时学习且能适应非平稳的环境；能快速识别已学过的对象，又能迅速适应未学习过的新对象；具有归一能力，根据特征比例有时把它作为噪声有时作为关键特征。2.神经网络原理和规则ART-1神经网络的输入输出均为二值化数据，原理接近竞争、自稳机制。这里采用一种叫作2/3规则的方式，来实现相似度计算和自稳机制。整个系统可以分为两个子系统：注意子系统和调整子系统。前者实现由底向上的矢量竞争和由顶向下的相似程度比较；后者检查表示层状态的矢量和由顶向下矢量的相似程度，当相似度低于给定值，即取消当前获胜者，转而从其它类别中选拔获胜者。单元的作用是：控制层只有在有观察矢量的情况下才进入兴奋状态；当撤消后，使层也立即退出兴奋状态。从以上的过程可以看到，当输入一个观察矢量时，层和层之间可能有多次交互作用，最后给出答案或认为是一个新的模式类别。其完整的ART-1神经网络原理有以下工作过程。（1）当输入一个观察矢量而自顶向下的矢量尚未到达前，层输出=0，=0，于是，增益控制中心对层的输入为“+”，根据2/3规则，层活动模式为：=，=1＞，其中（1）所以，调整子系统中的单元不发出重置波。表示单元受到和的作用，那么，当＜时表明与的相似程度太低，对于单元而言是兴奋作用大于抑制作用，单元发出重置波。通过对的选择，可以控制单元对抑制作用和兴奋作用的警觉性。（2）矢量作为中层的输入，产生矢量馈送到层，由层所示的“竞争抉择”产生输出矢量，同时将转换为，然后进行由顶向下的馈送，其算法为=（2）其中为列矢量，是定义的“自顶向下”权值矩阵。矢量使增益控制中心对层的输出为“-”，在矢量和的共同作用下层的活动模式，既不完全与矢量相同也不完全与输入矢量相同。如果矢量和的相似程度够高，那么，中的非零元素不比中少太多，（1）式中定义的满足：＞，调整子系统中单元不发出重置波。在此情况下系统进入自适应谐振状态，并调整中层的权值。（3）如果矢量和的相似程度不够高，那么，中的非零元素比中少得太多，有＜，于是，单元发出重置波，重置波将当前竞争获胜者屏蔽，层进入再次竞争抉择。已经被屏蔽的获胜者不再参加以后的竞争。（4）在新的竞争抉择完成之前，=0，=0，增益控制中心对层输入为“+”，层中建立的活详细地址：sundaybreak.blog.comzhoujin804.blog.comzhysaa.blog.comwangwenhesmtcn.blog.comsupersneek.blog.comq251263552.blog.comamwpeje.blog.comsuny9956.blog.comsun19910903.blog.combeibeiyuguaiguai.blog.comruanzengbiao001.blog.comaini8803858.blog.commwdllmwdll1.blog.comailimeng131415.blog.comzj982090932.blog.comanmday.blog.comlirenjieaa.blog.comlingzi1130.blog.comasd58455219.blog.comlinlinma888.blog.comstanleywcg.blog.comwjqdean.blog.comasd506274371.blog.comatangzai.blog.comlichunlu1990.blog.comqqq83741237.blog.comlihao89357676.blog.comwangzhongyun5920.blog.comstay271701.blog.comaiyue15511910013.blog.comzhou2154121.blog.comas7790071.blog.coman13934974811.blog.comwangleqi456.blog.comzhuang616719470.blog.comaguzhifeng.blog.comaqing820609.blog.comzhl355483210.blog.comzhkaizhj1314520.blog.comlichen139209.blog.comatai757.blog.comasd880804.blog.comsouwangweilai.blog.comasdzx156.blog.comstarlau535.blog.comzhouyijun819.blog.comw3804938736.blog.comzk1990212.blog.comlierweiqi.blog.comsuperpuppy11.blog.com