基于贝叶斯网络模式识别方法的研究

《基于贝叶斯网络模式识别方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要根掘对哺乳动物大脑皮层的解音0学和生理学的研究，越来越多的证捌表明虽然大脑皮层分为／fi同的功能区，但火脑皮层神经细胞和神经细胞的组织结构是相同的。人脑皮层在解剖学上分为6层，每个信息处理单元是一小片贯穿6层的细胞，称为神经柱(conicalcolumns)。处于不同功能区的神经柱可能使用同样算法处理信息；同时大脑皮层在逻辑上具有层级结构，信息在沿层级结构向上传递的过程中被归纳总结，不同层级的信息处理单元也使用同样的算法；而且研究表明连续时问信息在大脑皮层的学习和识别功能中起着重要作用。基于对大脑皮层的研究JefrHawkins提出了记忆——预测模型，认为大脑皮层

2、层级结构向上传递证据与存在于记忆中的证据相结合进行识别与推理，同时推理的结果作为证据向下传递修正记忆以实现预测。GeorgeDile印在记忆——预测模型的基础上提出了层级时问记忆(HierarchicalTemporalM锄ory)的数学模型，使用贝叶斯网络和信念传递实现证据的向上／向下传播。网络中的每个节点使用相同的算法，使用时间信息对证据进行分类。本文在上述工作的基础上，首先将层级时I’日J记忆模型应用于图像识别，拓宽该模型的应用领域；然后使用几种聚类方法改进该模型的推理算法和学习算法，提出贝叶斯网络节点中的聚类算法。关键词：大脑皮层贝叶斯网络聚类图像识别Abst

3、ractARermanyanantomicalandphysiologicalresearchesofmammalianneoconex，moreandmoreeVidenceswerefoundtoproVethatnomatterwhat如nctionthefieldofneoconexproVides，theneuronsandorganizingofcortexcellsareunif-ornl．TheneocortexcanbediVidedinto6layersanatomically：There‘reslices，eachsliceconsistofse

4、Veralneuronst}瑚u曲6layerSistheunitofinf0肌ationprocessing，called“corticalcolumns”．Cofticalcolumnsindifferentfieldsprocessinformationinsamealgorithm．MoreoVer，there’slo百calhierarchyinneocortex．EVidencesaresumma巧whenpassinguptkou曲thehierarchy．Dif：fhentlayerSinhierarchyalsousesamealgorithm．Be

5、sides，there’reeVidencesproVedthattemporalinf．0mationplaysanimportaIltr01einle锄ingandinf．erenceofneocortex．Baseonthese，JefrHawkinsproposedthetheo叫ofmemo妒predice胁mework，consideredthateVidencesarebeingpassedupinhierarchy，C0mbinedwimeVidencesinmemorytoachieVeinference，meanwhile，eVidencesare

6、beingpasseddowntoreVisethe“ideIlcesinmemo眄toproVidepredice．Geo唱eDile印proposedmathematicalmodelcalledHierarchicalT锄poralMemo巧劬meworkbaseonmeHlo叫-predict行锄ework．IthaSthetopologyofbayeSiannetworkandusingbeliefprol，agationtopassevidenceSinhierarchy．EVe叮nodeinnetworkhaSs锄ealgorithm，a11dusing

7、temporalinfo珊ationtocategorizetheeVidences．Inthisthesis，baseontheworkmentionedaboVe，wefirstimplementedthis劬meworkinVisualcategoD，recognitionfield，broadenme印plicationareaofmis厅amework，andthenwer印lacedtheclusteralgorithnlinnodeswitIlseVeralotherclustera】gorithmstoimproVeto行amewor