課題人工智能論文(2)
課題人工智能論文篇二
人工智能在模式識別中的應(yīng)用研究
一、引言
隨著計算機應(yīng)用范圍不斷的拓寬，我們對于計算機具有更加有效的感知“能力”，諸如對聲音、文字、圖像、溫度以及震動等外界信息，這樣就可以依靠計算機來對人類的生存環(huán)境進行數(shù)字化改造。但是從一般的意義上來講，當前的計算機都無法直接感知這些信息，而只能通過人在鍵盤、鼠標等外設(shè)上的操作才能感知外部信息。雖然攝像儀、圖文掃描儀和話筒等相關(guān)設(shè)備已經(jīng)部分的解決了非電信號的轉(zhuǎn)換問題，但是仍然存在著識別技術(shù)不高，不能確保計算機真正的感知所采錄的究竟是什么信息。這直接使得計算機對外部世界的感知能力低下，成為計算機應(yīng)用發(fā)展的瓶頸。這時，能夠提高計算機外部感知能力的學科——模式識別應(yīng)運而生，并得到了快速的發(fā)展。
人工智能中所提到的模式識別是指采用計算機來代替人類或者是幫助人類來感知外部信息，可以說是一種對人類感知能力的一種仿真模擬。它探討的是計算機模式識別系統(tǒng)的建立，通過計算機系統(tǒng)來模擬人類感官對外界信息的識別和感知。
二、人工智能和模式識別
(一)人工智能。人工智能(Artificial Intelligence)，是相對與人的自然智能而言的，它是指采用人工的方法及技術(shù)，對人工智能進行模仿、延伸及擴展，進而實現(xiàn)“機器思維”式的人工智能。簡而言之，人工智能是一門研究具有智能行為的計算模型，其最終的目的在于建立一個具有感知、推理、學習和聯(lián)想，甚至是決策能力的計算機系統(tǒng)，快速的解決一些需要專業(yè)人才能解決的問題。從本質(zhì)上來講，人工智能是一種對人類思維及信息處理過程的模擬和仿真。
(二)模式識別。模式識別，即通過計算機采用數(shù)學的知識和方法來研究模式的自動處理及判讀，實現(xiàn)人工智能。在這里，我們將周圍的環(huán)境及客體統(tǒng)統(tǒng)都稱之為“模式”，即計算機需要對其周圍所有的相關(guān)信息進行識別和感知，進而進行信息的處理。在人工智能開發(fā)，即智能機器開發(fā)過程中的一個關(guān)鍵環(huán)節(jié)，就是采用計算機來實現(xiàn)模式(包括文字、聲音、人物和物體等)的自動識別，其在實現(xiàn)智能的過程中也給人類對自身智能的認識提供了一個途徑。在模式識別的過程中，信息處理實際上是機器對周圍環(huán)境及客體的識別過程，是對人參與智能識別的一個仿真。相對于人而言，光學信息及聲學信息是兩個重要的信息識別來源和方式，它同時也是人工智能機器在模式識別過程中的兩個重要途徑。在市場上具有代表性的產(chǎn)品有：光學字符識別系統(tǒng)以及語音識別系統(tǒng)等。
在這里的模式識別，我們可以將之理解成為：根據(jù)識別對象具有特征的觀察值來將其進行分類的一個過程。采用計算機來進行模式識別，是在上世紀60年代初發(fā)展起來的一門新興學科。
三、人工智能在模式識別中的應(yīng)用
(一)數(shù)字識別及語音識別。在數(shù)字識別的過程中，對于手寫體的識別一直是一個難題，而其又在郵政編碼的識別、銀行業(yè)務(wù)等方面具有較為廣泛的應(yīng)用，但是其字體形式變化較大，導(dǎo)致提高對其的識別率成為了一個難題，精準的識別存在著較大的困難。而采用人工智能中的神經(jīng)網(wǎng)絡(luò)技術(shù)后，系統(tǒng)可以利用神經(jīng)網(wǎng)絡(luò)的學習及快速并行功能來實現(xiàn)對手寫數(shù)字的快速識別，有力的提高相關(guān)運用領(lǐng)域的工作效率。
而語音識別，簡單的將就是能使得計算機能聽懂人所說的話，一個典型的例子就是七國語言(中、日、英、意、韓、法、德)口語自動翻譯系統(tǒng)，它可以將人說的話翻譯成為機器所設(shè)定的目的語言，在整個過程中不需要翻譯人員的參與。其中的中文部分實驗平臺設(shè)置在中科院自動化所的模式識別國家重點實
驗室中，這標志著我國的機器口語翻譯研究已經(jīng)跨入世界先進行列。在這個系統(tǒng)的功能實現(xiàn)之后，出國旅行需要預(yù)定旅館、購買機票、就餐等需要和外國人進行對話時，只需要利用電話 網(wǎng)絡(luò)或者是國際互聯(lián)網(wǎng)就能夠順利的和對方進行通話，進行 語言交流。
(二)人臉立體識別模式。人臉識別的過程主要包括這樣三個主要的部分：其一，人臉模式庫，即與所采集的實時圖像進行對比，判斷其是否存在于人臉模式庫當中，若存在，則給出每個人臉的位置和大小等相關(guān)的臉部信息;其二，對面部特征進行定位，即對每一個人臉的主要器官進行檢測，包括對其的具體位置和形狀等特征進行具體的信息收集，然后將之進行歸一化的處理;其三，比對，即根據(jù)所采集到得人臉面部特征來和人臉模式庫中的圖像進行對比，之后對該人臉的身份進行核實。
常見的人臉識別技術(shù)大部分可以歸為這樣三個類型：采用基于幾何特征的方法，基于模板的方法以及基于模型的方 法。其中，基于幾何特征的方法最為常見，它通常需要與其他的算法進行結(jié)合之后才能形成比較好的識別效果;而基于模板的方法又能夠分為基于匹配的方法、臉部特征的方法、線性判別分析的方法、神經(jīng)網(wǎng)絡(luò)方法以及奇異值分解方法等;再次，基于模型的方法主要包括基于隱馬爾可夫模型、主動外觀模型和主動形狀模型方法等。
采用人臉識別模式來進行身份驗證具有明顯的有點，諸如：易用性好、準確度高、隱私性能好、穩(wěn)定性好，且能被大部分的用戶容所接受。人臉二維圖像的識別已經(jīng)基本實現(xiàn)，但是基于三維的立體圖像人臉識別技術(shù)卻處于研發(fā)階段。人臉的二維及三維模型所反映的臉部外部信息是不同的，二維圖像中的灰度值反映的是人臉表面亮度的差異，而三維圖像中添加了深度信息，它能夠表達臉形的信息數(shù)據(jù)，使得臉部的信息量更加豐富，能提高臉部的識別概率。
課題人工智能論文相關(guān)文章：
4.人工智能感想論文
5.人工智能課程論文
課題人工智能論文(2)
