层级分类策略的复杂模式识别方法。
谭平飞。摘要：针对大量复杂而亟待分类的模式类型，提出了一种基于层级分类策略的复杂模式识别方法。
该方法通过选择合适的分层标志，从多侧面反应被分类对象的属性，降低了分类的复杂度，提高了分类效率。建立了层级分类策略模型以及关键性步骤，并将其应用于利用表面肌电信号识别手部动作的实验验证，通过对比是否采用此策略，进而说明了基于层级分类策略在面对复杂模式识别的有效性，为该方法的推广使用奠定基础。
关键词：层级分类；模式识别；肌电信号
method of complicated pattern recognition based on hierarchical classification strategy
tan ping-fei
abstract: for the large number of complex and urgent need for recognizing pattern types. a method of complicated pattern recognition based on hierarchical classification strategy has be proposed.
the method must be determine the hierarchical sign.
reacting the attribute of the object from the multi sides. from this. the complexity of the classification is reduced.
and the classification efficiency is improved. the hierarchical classification strategy model and the key steps are established. then.
the experiment about recognizing hand movements by use of surface electromyography signal. we can compare the recognition effect whether to use of this strategy. thus.
it can be verify the effectiveness of this strategy. and also become a template to promote this method.
key words: hierarchical classification; pattern recognition; electromyography signal
作者简介：赵漫丹（1990-），男，陕西咸阳人，博士研究生，主要研究方向为计算机视觉，数字信号处理（郝向阳（1966-），男，教授，博导，主要研究方向为摄影测量与遥感、计算机视觉、视觉测量与视觉导航；张振杰（1988-），男，博士研究生，主要研究方向为无人机视觉导航．
一种基于层级分类策略的复杂模式识别方法
赵漫丹，郝向阳，张振杰
解放军信息工程大学导航与空天目标工程学院，郑州 450001) )
摘要：针对大量复杂而亟待分类的模式类型，提出了一种基于层级分类策略的复杂模式识别方法。该方法通过选择合。
适的分层标志，从多侧面反应被分类对象的属性，降低了分类的复杂度，提高了分类效率。建立了层级分类策略模型以。
及关键性步骤，并将其应用于利用表面肌电信号识别手部动作的实验验证，通过对比是否采用此策略，进而说明了基于。
层级分类策略在面对复杂模式识别的有效性，为该方法的推广使用奠定基础。
关键词：层级分类；模式识别；肌电信号
中图分类号：tp391
method of complicated pattern recognition
based on hierarchical classification strategy
zhao mandan, hao xiangyang, zhang zhenjie
institute of n**igation & aerospace, pla information engineering university, zhengzhou 450001, china)
abstract: for the large number of complex and urgent need for recognizing pattern types. a method of complicated pattern
recognition based on hierarchical classification strategy has be proposed. the method must be determine the hierarchical sign.
reacting the attribute of the object from the multi sides. from this. the complexity of the classification is reduced.
and the
classification efficiency is improved. the hierarchical classification strategy model and the key steps are established. then.
the
experiment about recognizing hand movements by use of surface electromyography signal. we can compare the recognition
effect whether to use of this strategy. thus. it can be verify the effectiveness of this strategy.
and also become a template to
promote this method.
key words: hierarchical classification; pattern recognition; electromyography signal
信息时代的发展，使得人类每天都会处理面对大量海量而复杂的信息。模式识别将人类理解与原始底层数据进行连接，而如何处理这些原始底层数据，并且简洁、快速地进行辨识，成为近年来模式识别技术在各学科中的热点问题。传统方法无法满足大规模数据处理，大量先进方法在被研究人员使用，但存在计算量庞大、效率较低的缺点。
例如工程应用中的模式识别，往往难以得出结果置信度的判断，或者需要通过复杂的计算方法进行实现[1]。本文试**决利用人体前臂肌电信号识别手部动作时所面临的关键问题，并以此为背景，提出一种新型的复杂模式分类策略。
分类判别分析是多元统计应用中较广的一个分支[2, 3]。在现实问题中，常会根据事物的特性判断其类别的归属。分类判别分析中，研究人员需要事先确定现成类别，按照一定原则总结各类中的规律，从而建立分类数学模型。
当待分类对象输入时，即可按照分类数学模型进行判断。
分类方法经过半个多世纪的迅速发展，已经有了相当成熟的方法。传统的方法有贝叶斯（bayes）判别法[4]、距离判别法[5]、fisher 判别法[6]、协近邻分类[7]以及分段线性分类[8]等。现代的方法如模糊分类，粗糙分类，以及神经网络分类等，还有刚刚兴起较为热门的支持向量机分类方法以及分类器的集成学习等。
许多研究人员已经在这方面进行了深入而广泛的研究，如改进的算法，融合算法，甚至新的分类方法。例如，有些单一分类器的识别率不高，而通过多分类器融合的方法可以提高识别率，也已成为模式识别领域的前沿研究课题[9
在上述的分类方法在本质上都是“一级”分类识别方法，即对于待分类对象 x 建立“一次性”判别模型，通过此模型开展待分类对象的识别。虽然这种方法执行的计算步骤较少，分类模式方便快捷，但其不足也同样存在，在一定情况下还会极大制约识别效果，特别是对于复杂模式的识别问题。首先，上述等传统判别方法对一些待分类对象的判别效果很“不稳定”，即存在针对不同待分类对象，某种方法的分类效果差异化较大的缺点。
其次，大多判别方法中，是否有筛选因子，在k 个总体的样本数据，都应用的是相同因子，虽然在实际应用中较为方便，但会影响判别效果（因为对某些因子，它只能很好的区分k 个总体中的某几个总体，而不能很好的区分所有k 个总体，这时若用这些因子来同时判别k 个总体，显然效果不太好）。最后，“一级”分类识别方法判别所有待分类对象时使用一种方法，但是可能某几个总体用这种判别方法好，而另外几个总体用另外一种方法判别效果更佳，显然用同一种判别方法判断所有的总体效果也就不太好了。
为此，本文提出了一种基于层级分类策略的复杂模式识别方法。该方法另辟蹊径，从另外一个角度对模式分类问题进行讨论，特别适合于待分类对象特别复杂的情况，该方法本质上是对“一级”分类识别方法的多维层次上的改进。文章后续的实验结果表明，其分类识别效果要优于“一级”分类识别方法。
基于层级分类策略的复杂模式识别方法通过建立一套层次架构，位于每层架构中的变量相互制约，每一个层次都将被划分为多个子系统进行研究。每个子系统研究结果的叠加即得到该层次中结果，继而使整个系统得以确认。每一层次的结果，都会对模型最后的结论造成影响。
一方面，层级分类策略可以极大降低系统复杂度；另一方面，运用层级分类策略，又会给系统带来不确定性。这种矛盾的两个方面始终存在，为了解决这个问题，本文探索一种评判方法，该方法可以指导在何种复杂模式的情况下，使用层级分类策略，避免过分类与欠分类的矛盾，从而显著提高分类的识别效率。
1 层级分类策略
层级分类策略是将复杂系统划分为多个子系统，根据需求对每个子系统再进行划分，直到子系统的粒度以方便进行准确快速判别为限[10]。在分类过程中，当判断条件难以满足分类需求时，特征标记类型较粗，这种情况称之为欠分类；而当分类的层级过多，每一层级特征序列的和将会变得异常复杂，搜索空间大、无效层级多，使得被分类对象陷入死循环，这种情况被称为过分类[11]。不论是欠分类，还是过分类，都会给分类效果和精度带来影响。
各个层级之间的结果选用线性判断的方式，如图 1 所示，最上端为完整系统模型，下面两层为子模型与单元模型，依据系统的复杂程度，对于不同问题，层次级别与分类数量会有所不同，但结构类型相似。
图 1 层级结构模型示意图。
采用层级分类时，就结构而言，可以表述为级联形式，即前一级分类器为后一级分类器提供分类信息，提供分类信息的同时指导下一级分类器的进程，层级分类策略的流程图如图 2所示。
图 2 层级分类策略流程。
模式识别作业
6.题目 fisher分类和基于核的fisher分类的设计与实现研究。具体内容 1.简述fisher分类和基于核的fisher分类的算法原理 2.举出实例 3.用matlab软件编写程序实现 4.分析实验结果。fisher分类和基于核的fisher分类的设计与实现研究。1 fisher分类和基于核的...
模式识别作业
模式识别课程matlab程序作业。模式识别贝叶斯决策 正常状态细胞p 1 0.9，异常状态细胞p 2 0.1，类条件概率密度分别为p x 1 n 0，1 p x 2 n 0.2，1.5 现有一待识别细胞，其观察值为0.2，用matlab写出程序对该细胞进行分类。编写程序如下 close all cl...
模式识别作业
感知器训练算法。在设计贝叶斯分类器时需要设法获取样本统计分布的资料，应知道先验概率及类分布概率密度函数等。然而，在样本数不充足条件下要获取准确的统计分布是很困难的。这样，可以考虑另外一种分类器设计方法，即根据训练样本集提供的信息，直接进行分类器设计。下面实验是针对线性可分情况下的感知器算法。实验所用...