基于多Agent的模式識別框架APRF的研究.pdf

1、人類的模式識別過程可區(qū)分為兩種情況。第一種情況：如果輸入模式從未見過，需要進行特征抽取，建立輸入模式的模型，這時的模式識別實際上是模式建模（記憶），是一自下而上的過程；第二種情況：如果模式曾經見過，則常常使用推理的方法，這時的模式識別本質上是模式涌現(xiàn)（推理），是一自上而下的過程。 傳統(tǒng)的模式識別方法主要存在兩個方面的不足：集中式控制；依賴于特征抽取和選擇的質量。本課題的研究是在分析自上而下模式識別方法和自下而上模式識別方法的特性

2、和優(yōu)缺點的基礎上，基于多agent理論和技術，提出了將兩種不同類型的方法集成，以推理為主計算為輔的模式識別框架APRF（Agent-Based Pattern Recognition Frame）：先用自下而上定量計算方法對模式建模，使其有利于分類；再用自上而下的定性分析方法對模式涌現(xiàn)。目的是讓計算機模式識別更符合人的認知過程，模式識別＝模式建模＋模式涌現(xiàn)。 本文的主要工作： （1）提出了基于多agent的模式識別框架A

3、PRF，該框架把模式識別的“自下而上的模式建?！焙汀白陨隙碌哪Ｊ接楷F(xiàn)”融合在一起。模式建模解決“記憶”問題，模式涌現(xiàn)解決“推理”問題。 （2）提出了基于角色的MAS（Multi-agent systems）動態(tài)協(xié)作模型DCMBR（Dynamic Cooperative Model Based Role in Multi-agent Systems），它是架起模式建模和模式涌現(xiàn)之間的橋梁。通過agent之間的聯(lián)盟、協(xié)作、協(xié)商、協(xié)

4、調，使組成模式的基元的結構、性質、行為規(guī)則等即使都很簡單，也可能產生整體結構、性質和行為都極為復雜的模式。 （3）提出了定性特征的概念。因為傳統(tǒng)意義下的特征不能反映模式的整體結構信息，且特征抽取沒有一般的行之有效的方法。而定性特征是通過層次遞歸涌現(xiàn)出來的，隨著統(tǒng)計樣本的增加，定性特征趨于穩(wěn)定，它既反映了模式的整體結構信息，也反映了模式的細節(jié)信息。 （4）提出了基于知識將模式表示為AIM（Agent Influence M