统计模式识别系统中关键算法的研究与应用

【摘要】：模式识别能力是人类智能的重要组成部分。用计算机实现模式的自动识别,是开发智能机器的一个最关键的突破口。模式识别不仅是一个有重大科学意义的研究领域,也是数字化网络时代诸多实际应用需要突破的一项重大关键技术。 本文结合作者在细胞分类、语音识别、人脸检测与识别和字符识别等应用方向的研究工作,系统的讲述了统计模式识别系统的构成,追踪了目前模式识别热门应用中常用的关键技术,最后侧重介绍了在相关技术上的研究和创新性工作,并结合应用实例进行了阐述。 模式识别的两个关键技术是特征提取和选择与分类器设计。前者,我们介绍了结构特征抽取技术、特征空间的压缩技术和特征选取技术。后者,我们介绍了多层神经网络和Adaboost机器学习算法。这些都是该领域目前常用的技术。 本文中的几个创新性工作是: 针对图像预处理中面临的速度问题,提出了一种快速图像处理的积分图方法;在研究了传统的Adaboost方法在人脸检测的应用之后,提出了改进的集成机器学习方法B-Adaboost(Backtrack-Adaboost),由它选取特征和生成线性二类分类器,并借助二叉树结构,设计多重分类器的框架;为了加速多类问题的识别速度和提高识别精度,我们提出了一种基于特征融合的多级分类器框架。 另外,作者还对特征空间的压缩技术进行了深入的研究。