具有仿反馈机制的图像模式分类认知

目的 模仿人类认知事物反复推敲比对的过程,探索了一种具有仿反馈机制的图像模式分类认知方法和计算模型,通过认知结果分析评价指标体系在不同认知需求下逐级优化特征空间,实现从全局到局部的仿反馈认知模式,并成功应用于回转窑火焰图像的烧成状态认知。方法 首先,提出了训练层和认知层耦合运行的具有仿反馈机制的图像模式分类认知模型,阐述了模型的目标、结构和功能;其次,设计了基于认知结果分析评价的仿反馈运行机制,建立了认知结果分析评价指标体系;然后,针对火焰图像烧成状态认知的应用,采用核主成分分析技术(KPCA)构建初始火焰图像特征空间,以建立最大认知信息量意义下的图像模式分类认知信息系统,继而基于属性核计算和马氏可分性评价指标建立压缩的认知信息系统;最后,在不同认知需求下,基于分析评价指标体系评估认知结果,更新压缩认知信息系统,实现烧成状态仿反馈智能认知。结果 对采集的火焰图像进行了仿真实验研究,平均认知精度达到91.78%。结论 实验结果表明,相对于已有的开环认知方法,本文方法可以通过仿反馈机制对难以区分相似样本进行反复认知,有效改进了认知精度。     

相似青梅品级半监督智能反馈认知方法研究

相似水果的大量存在和标注困难是导致误识的主要原因。仿人认知模式提出了一种基于深度集成学习的相似青梅品级智能反馈认知方法。首先基于半监督学习标注无标签样本以扩充训练样本集;基于具有充分可分性的自适应架构卷积神经网络,从信息论角度建立认知智能决策信息系统,将约简的多层面局部差异特征空间送入集成分类器;基于语义熵测度指标实时评测相似青梅品级的不确定认知结果,自寻优交替调节认知精度、网络层级和中和因子。3 000幅相似青梅图像的平均识别率为98. 26%,表明方法可以有效认知相似青梅品级,为后续在线分拣系统提供理论支持。