嗅覺(jué)神經(jīng)系統(tǒng)仿生模型及其應(yīng)用研究.pdf

1、構(gòu)造生物神經(jīng)系統(tǒng)仿生模型是智能研究領(lǐng)域的一個(gè)重要方向。本文研究了Freeman教授提出的一套新穎嗅覺(jué)神經(jīng)網(wǎng)絡(luò)，K系列模型，及KⅢ模型在不同方面的應(yīng)用。K系列模型包括K0、KⅠ、KⅡ和KⅢ模型，其中KⅢ模型對(duì)整個(gè)嗅覺(jué)神經(jīng)系統(tǒng)進(jìn)行了模擬。 本文首先利用小世界網(wǎng)絡(luò)理論對(duì)KⅢ模型的結(jié)構(gòu)進(jìn)行了分析。基于小波分解分析了KⅢ模型的聚類系數(shù)和特征路徑長(zhǎng)度隨邊的重連概率增加而變化的情況。分析表明，KⅢ模型結(jié)構(gòu)具有小世界網(wǎng)絡(luò)的部分特性。 然

2、后，本文研究了基于單一KⅢ模型的模式識(shí)別問(wèn)題?；谙鄨D的分析表明：KⅢ模型可以形成對(duì)應(yīng)于不同模式的一組極限環(huán)，而不管輸入是恒定的還是變化的。當(dāng)輸入恒定時(shí)，KⅢ模型基于一般模式識(shí)別流程被用于三種典型的模式識(shí)別應(yīng)用(人臉識(shí)別、文本分類和語(yǔ)音識(shí)別)，這時(shí)特征提取是必須的。對(duì)于人臉識(shí)別，提出了一種基于子圖特征組合思想的人臉特征提取算法。實(shí)驗(yàn)結(jié)果表明，KⅢ模型具有很強(qiáng)的模式識(shí)別能力，能夠識(shí)別至少40種模式。此外，對(duì)于輸入變化的時(shí)變信號(hào)，KⅢ模型通

3、過(guò)合適的切分預(yù)處理即可直接識(shí)別，而無(wú)需特征提取過(guò)程。通過(guò)定義相應(yīng)的指標(biāo)，將KⅢ模型用于識(shí)別兩種時(shí)變信號(hào)：腦電和語(yǔ)音。實(shí)驗(yàn)結(jié)果表明，KⅢ模型能夠有效識(shí)別不同的時(shí)變信號(hào)。通過(guò)這些不同的應(yīng)用也可以看出，KⅢ模型具有成為通用分類器的潛力。 接著，本文研究了結(jié)合直推式信任機(jī)器的KⅢ模型，并將其用于兩種應(yīng)用(腦電分類和基于電子鼻采集的氣體分類)分析其性能。實(shí)驗(yàn)結(jié)果表明，和單一KⅢ模型相比，結(jié)合直推式信任機(jī)器的KⅢ模型能夠在不降低識(shí)別精確度的