（电路与系统专业论文）计算动词理论及其在信息处理中的应用研究.pdf

摘要 摘要 计算动词理论作为一个新兴的学科 已经渗透到自动控制 信号处理 经济 学 心理学等众多学科领域 同时也已被成功应用于多种工业及金融系统 如视 频火灾监测系统 智能交通系统 智能安防系统 认知图像搜索引擎及认知证券 交易系统等 历经1 3 年的发展 计算动词理论开始显示出其巨大的理论魅力和 解决实际复杂工程及社会问题的能力 计算动词理论现有的框架为解决信息处理方面的问题提供了可行的方法论 信息处理领域已经拥有的丰富的素材也为计算动词理论的应用奠定了可靠的基 础 本论文将计算动词理论引入信息处理的传统领域 特别是聚类算法和图像处 理技术 为这些技术另辟蹊径 提供了新的思路 论文中首先介绍了计算动词理 论的发展与基本知识 其次 结合传统聚类算法设计了计算动词聚类算法 并将 之应用于图像压缩 变压器故障诊断 证券市场分析等方面 在数字图像处理领 域 本论文利用计算动词相似度全面改写了图像压缩 图像插值算法 将算法推 广到彩色图像处理 并设计编程了图形界面以供测试 实现初步可视化 本论文的特色与创新点主要体现在以下几个方面 1 在已有最简动词相似度 基于趋势的动词相似度和复合型动词相似度的基础 上 灵活使用并设计了多个具体的动词相似度计算方法 提出了分层动词相 似度的算法并实现了其应用 2 设计了计算动词聚类算法及其通用模型 提出属性空间的概念 所设计的算 法完成了数值域描述到语言域描述的转换 特别适用于动态特征明显的时问 序列的聚类 3 利用计算动词聚类算法改进了计算动词图像压缩 获得了较好的图像质量 4 用模板动词的思想改进了图像插值算法 提出摩尔邻域的剖面向量的概念 将数据降维处理 利用基于动词相似度的模式识别方法大大降低了计算复杂 度 在固定分辨率倍数的情况下 获得更快的处理速度和更清晰的插值图像 关键词 计算动词理论 动词相似度 聚类算法 数字图像处理 信息处理 a b s t r a c t a sa l le m e r g i n gd i s c i p l i n e c o m p u t a t i o n a lv e r bt h e o r y e v a 9h a sp e n e t r a t e di n t o d i s c i p l i n e sl i k ea u t o m a t i cc o n t r o l s i g n a lp r o c e s s i n g e c o n o m i c s p s y c h o l o g ya n d m a n yo t h e r s m o r e o v e r c v th a sb e e ns u c c e s s f u l l ya p p l i e dt om a n yi n d u s t r i a l a p p l i c a t i o n s s u c h a sv i d e of l a m e d e t e c t i o n i n t e l l i g e n tt r a f f i c c o n t r o l s y s t e m s i n t e l l i g e n tc c t vs u r v e i l l a n c es y s t e m c o g n i t i v ei m a g es e a r c he n g i n ea n dc o g n i t i v e s e c u r i t yt r a d i n gs y s t e m a f t e r1 3y e a r s d e v e l o p m e n t c v tb e g i n st os h o wi t sp o w e r o ft h e o r e t i c a la b s t r a c t i o na n da b i l i t yo fs o l v i n gr e a l l i f ep r o b l e m si nc o m p l e x s y s t e m s t h ee x i s t i n gf r a m e w o r ko fc v t p r o v i d e sf e a s i b l em e t h o d o l o g yt oi n f o r m a t i o n p r o c e s s i n g a n dt h ew e a l t ho fm a t e r i a l i ni n f o r m a t i o np r o c e s s i n gl a i das o l i d f o u n d a t i o nf o rt h ea p p l i c a t i o n so fc i nt h i st h e s i s c v th a sb e e na p p l i e di n i n f o r m a t i o np r o c e s s i n g e s p e c i a l l yi nc l u s t e r i n ga l g o r i t h m sa n di m a g ep r o c e s s i n g f i r s t l y t h es t a t eo ft h ea r ta n ds o m eb a s i cc o n c e p t so fc v t a r ei n t r o d u c e d s e c o n d l y a v e r bc l u s t e r i n ga l g o r i t h mw a sd e s i g n e da n dw a sa p p l i e dt o i m a g ec o m p r e s s i o n t r a n s f o r m e rf a u l td i a g n o s i sa n ds t o c km a r k e ta n a l y s i s c o m p u t a t i o n a lv e r bs i m i l a r i t i e s a leu s e dt oc o m p r e h e n s i v e l yr e d e s i g nt h ei m a g ec o m p r e s s i o n i m a g ei n t e r p o l a t i o n a l g o r i t h m s a n de x t e n dt h e s ea l g o r i t h m st oc o l o ri m a g ep r o c e s s i n g au s e rg r a p h i c a l i n t e r f a c ew a sd e s i g n e dt oe a s et h ee x p e r i m e n t s t h ek e yc o n t r i b u t i o n so ft h i st h e s i sa r ea sf o l l o w s 1 f o rd i f f e r e n ta p p l i c a t i o ns c e n a r i o st h ep r o p e rv e r bs i m i l a r i t i e s s u c ha ss i m p l e s t s i m i l a r i t y s i m i l a r i t y b a s e do n t r e n d c o m p o s e d s i m i l a r i t i e sa r ec h o s e n s y s t e m a t i c a l l y f o rc vc l u s t e r i n ga l g o r i t h m as p e c i a lk i n do fv e r bs i m i l a r i t y c a l l e dl a y e r e ds i m i l a r i t yw a sp r o p o s e d 2 d e s i g nac vc l u s t e r i n ga l g o r i t h ma n di t sg e n e r a lm o d e lb a s e do nau n i f i e d s t r u c t u r ek n o w na sa na t t r i b u t es p a c e b yu s i n gt h ea t t r i b u t es p a c e s e i t h e r n u m e r i c a lo rc o n c e p t u a lt e r m s e s p e c i a l l yd y n a m i cd a t ao rt i m e s e r i e s a r e c o n v e r s e dt ol i n g u i s t i cd o m a i n 3 a p p l yc vc l u s t e r i n ga l g o r i t h m st oi m p r o v ev e r bi m a g ec o m p r e s s i o n a n do b t a i n b e t t e ri m a g eq u a l i t y i i i a b s t r a c t 4 u s et e m p l a t ev e r b st oi m p r o v ei m a g ei n t e r p o l a t i o n p r o f i l ev e c t 0 珞i nm o o r e n e i g h b o r h o o dw e r ep r o p o s e dt or e d u c et h ed i m e n s i o no fd a t a v e r bs i m i l a r i t i e s w e r eu s e dt oi d e n t i f yp a t t e r n s a n df u r t h e r m o r et or e d u c et h ec o m p u t a t i o n a l c o m p l e x i t y f o raf i x e dm a g n i f i c a t i o n f a s t e rp r o c e s s i n gs p e e d s h a p e re d g ea n d h i g hd e f i n i t i o ni ni m a g ew e r ea c h i e v e d k e y w o r d s c o m p u t a t i o n a lv e r bt h e o r y c 旧 v e r bs i m i l a r i t y c l u s t e r i n ga l g o r i t h m d i g i t a li m a g ep r o c e s s i n g i n f o r m a t i o np r o c e s s i n g c o n t e n t s c h a p t e r li n t r o d u c t i o n t a b l eo fc o n t e n t s 1 1r e s e a r c hb a c k g r o u n d 1 1 1 1 1t h ef u t u r eo fa r t i f i c i a li n t e l l i g e n c e s e a m l e s si n t e r a c t i o n sb e t w e e n h u m a na n dm a c h i n e c o g n i t i v ea g e 1 1 1 2t h eb i n ho ft h ec o m p u t a t i o n a lv e r bt h e o r y 2 1 1 3t h es t a t eo ft h ea r to fc o m p u t a t i o n a lv r e r bt h e o r y 3 1 2 k e yt e c h n o l o g i e s 5 1 2 1 c l u s t e r i n g a l g o r i t h m 5 1 2 2 d i g i t a li m a g ep r o c e s s i n g 6 1 3w o r ka n do r g a n i z a t i o no ft h e s i s 7 c h a p t e r 2i n t r o d u c t i o no fc o m p u t a t i o n a lv e r bt h e o r y 9 2 1 c o m p u t a t i o n a lv h b 9 2 1 1 s t a n d a r dv e r b s 2 1 2 t e m p l a t ev e r b s 1 2 2 2 c o m p u t a t i o n a lv h 由s i m i l a r i t i e s 2 2 1t h es i m p l e s tc o m p u t a t i o n a l e r bs i m i l a r i t y 1 4 2 2 2 c o m p o s e dc o m p u t a t i o n a lv r e r bs i m i l a r i t y 1 5 2 2 3 l a y e r e dc o m p u t a t i o n a lv e r bs i m i l a r i t y 1 7 2 3 c o m p u t a t i o n a lv b r br u l e s 2 4 s u m m a r y 1 8 1 9 c h a p t e r 3d e s i g n a n d a p p l i c a t i o n s o f c o m p u t a t i o n a l v e r b c l u s t e r i n ga l g o r i t h m 2 1 3 1 t y p i c a li m p l e m e n t a t i o n so fc l u s t e r i n ga l g o r i t h m 2 1 3 1 1b a s i cc o n c e p t so fd a t ap r o c e s s i n g 2 1 3 1 2a t t r i b u t ef e a t u r ee x t r a c t i o n 2 3 3 1 3 d e s c r i p t i o na n di m p l e m e n t a t i o no fs p a t i a lp o i n t sc l u s t e r i n g 2 5 v n c o n t e n t s 3 2 3 3 t h ed e s i g no fc o m p u t a t i o n a lv e i bc l u s t e r i n g a p p l i c a t i o n so fc o m p u t a t i o n a lv e r bc l u s t e r i n g 2 9 3 1 3 3 1 i m p r o v e m e n to fi m a g ec o m p r e s s i o n 3 1 3 3 2t r a n s f o r m e rf a u l td i a g n o s i s 3 4 3 3 3 a n a l y s i so fs t o c km a r k e td a t a 3 7 3 4 s u m m a r y 3 9 c h a p t e r 4a p p l i c a t i o n so fc o m p u t a t i o n a lv e r bt oi m a g ep r o c e s s i n g 4 l 4 1 c o m p u t a t i o n a l v e i bi m a g ep r o c e s s i n g 一 4 1 4 1 1 c o n s t r u c t i n gc a n o n i c a ls p m i mc o m p u t a t i o n a lv e r b s 4 1 4 1 2 i m a g ep r o c e s s i n gu s i n g r e r bs i m i l a r i t i e s 4 2 4 2 c o m p u t a t i o n a lv b r bi m a g ep r o c e s s i n g 一 4 2 4 2 1 i m a g ec o m p r e s s i o nu s i n gc o m p u t a t i o n a lv e r bc l u s t e r i n g 4 3 4 2 2c a s e so f2 x 2s a m p l e da n da d d i t i o n a lt e m p l a t ev e r b s 4 4 4 2 3 c o m p r e s s i o n so fd i f f e r e n ti m a g e s 4 9 4 2 4 c o m p r e s s i o n su s i n g i m p r o v e dv e 南s i m i l a r i t i e s 51 4 3 c o m p u t a t i o n a lv h bi m a g ei n t e r p o l a t i o na l g o r i t h m 5 5 4 4 c o m p u t a t i o n a lv b r bi m a g ei n t e r p o l a t i o no fc o l o ri m a g e s 6 4 4 4 1m o d e l so fc o l o rs p a c e s l 6 5 4 4 2c o l o rc l u s t e r i n gi nr g bs p a c e c o l o r s e g m e n t a t i o na n de d g e d e t e c t i o n 6 6 4 4 3c o l o ri m a g ei n t e r p o l a t i o n 6 9 4 5 c o m p u t a t i o n a lv b r bi m a g ep r o c e s s i n gp l a t f o r m 7 1 4 5 1 g r a p h i c a lu s e ri n t e r f a c ei nm a t l a b 7 1 4 6 s u m m a r y c h a p t e r 5c o n c l u s i o n s a n dp r o s p e c t i o n s 5 1c o n c l u s i o n s 川 5 2f u t u r e r o r k v i i i 7 3 7 4 r e f e r e n c e s a c k n o w l e d g e m e n t s 7 7 8 p u b l i c a t i o nl i s t i x 第1 章绪论 1 1 研究背景 第1 章绪论 1 1 1 人工智能的未来 人机流畅交互一认知时代 从制造和使用工具 主观能动地进行生产劳动开始 人类开始区别于其他动 物 成为具有智能的生物 蒸汽机的发明 电力的广泛使用 工业革命将人类从 繁琐的重复劳动中解救出来 极大地推动了人类社会的发展 电子计算机的问世 信息技术革命更是对人类社会产生了空前的影响 人类的计算能力 记忆等通过 计算机的计算处理单元 存储器等获得解放 时空缩小 人类的交流能力大为增 强 在人类文明高速发展 特别是信息技术高速发展的情况下 让我们试想一下 人类未来五十年将会有什么样的革命性的变化 上个世纪5 0 年代 人工智能 作为一门新兴学科的名称被正式提出 前三 次工业革命 把人类从繁重的体力劳动中解放出来 而人工智能则以延伸人类大 脑的功能 实现脑力劳动的自动化为己任 人工智能的研究目标 在m r r 出版 的 a r t i f i c i a li n t e l l i g e n c ea tm i t e x p a n d i n gf r o n t i e r s 一书中作了明确的论述 它的中心目标是使计算机有智能 一方面是使它们更有用 另一方面是理解使 智能成为可能的原理 研制像图灵所期望那样的智能机器 使它不仅能模拟而 且可以延伸 扩展人的智能 是人工智能研究的根本目标 就目前的计算机来说 其体系结构是集中式的 工作方式是串行的 基本元件是二态逻辑 而且刚性连 接的硬件与软件是分离的 这就与人类智能中分布式的体系结构 串行并行共存 且并行为主的工作方式 非确定的多态逻辑等不相适应 1 1 当前人工智能的研究 主要是结合具体领域进行的 主要领域有专家系统 机器学习 模式识别 自然 语言理解等 信息爆炸的时代 将信息通过逻辑系统转为知识 机器模拟人的思维 人机 能够通过自然语言交互等这些是我们理想的目标 以人为中心 机器应该去适应 人而非人去适应机器 正如计算动词理论之父杨涛所说 在可预见的未来 人机 计算动词理论及其在信息处理中的应用研究 共同进化应该是由下一轮工业革命 即服务业个人化浪潮中的个人机器人的发展 来启动的 机器与人类的共同进化将成为新的趋势 人类社会将进一步虚拟化一 一科技对人自身进化的促进将从体能的人机共同进化发展为智能的人机共同进 化 人类文明将迎来一个人与机器流畅交互的时代 即认知时代1 2 1 1 2 计算动词理论的诞生 人机共同进化涉及到人类认知的可测量化 而更为迫切的则是自然语言的可 测量化 自然语言是目前为止最综合 最具柔性和自适应性最强的人类思维 认 知能力的一个体现 1 9 6 5 年 伯克利加州大学l a z a d e h 教授发表了题为 模糊 集合论 的论文 3 他提出 人脑的思维 在其感知 辨识 推理 决策以及抽 象的过程中 对于接受 贮存 处理模糊信息完全可行 计算机为什么不能像人 脑思维那样处理模糊信息呢 1 9 7 5 年 其发表长篇论著 语言变量的概念及其在近似推理中的应用 4 提出了语言变量的概念并探索了它的含义 例如 在日常生活中 经常遇到许多 模糊事物 没有分明的数量界限 要使用一些模糊的词句来描述 如比较年轻 高个 大胖子 好 漂亮 热 远等 这些概念是不可以简单地用是 非或数字 来表示的 现有的计算机是建立在二值逻辑基础上的 其在处理客观事物的确定 性方面 发挥了巨大的作用 却不具备处理事物和概念的不确定性或模糊性的能 力 要使计算机能像人脑那样对复杂事物具有识别能力 就必须研究和处理模糊 性 人类语言表达主客观模糊性的能力特别引人注目 为了提高计算机识别模糊 现象的能力 就需要把人们常用的模糊语言设计成机器能接受的指令和程序 以 便机器能像人脑那样简洁灵活地做出相应的判断 从而提高自动识别和控制模糊 现象的效率 自然语言具有名词和动词两个语法中心 在对自然语言可测量化的道路上 模糊理论走出了很重要的一步 其完成了名词和形容词构成的名词中心的可测量 化 计算动词理论的诞生 将完成动词和副词所构成的动词中心的可测量化 计 算动词理论使用 b e 和 b e c o m e 将模糊理论包括于整个计算动词体系中 但 又不仅限于此 计算动词理论对于现有科学及工程体系的这一场革命是对科学世 2 第1 章绪论 界观由客观向主客观兼容并蓄的一次重大改变 是将人的主观思维纳入可测量体 系的突破性进展 作为一个新兴的学科体系 计算动词理论经历了以下几个阶段的发展 2 1 5 1 萌芽期 1 9 9 7 年 当时作为伯克利加州大学电气工程及计算机科学系访 问学者的杨涛教授 提交了两份有关如何运用非线性动力学理论对自然 语言中的动词进行建模的技术报告 这是计算动词理论的原型和发端 2 幼年期 对于语言学中动词及副词的研究成果进行系统地数学建模和自 然科学化 开始意识到计算动词理论远非 将动词可计算化 这么简单 其最终目标是对人的认知及意识现象的自然科学化 3 综合成长期 2 0 0 3 年至2 0 0 4 年 开始构造物理语言学 建立宇知理论 5 1 并着手研究如何将理论转为工程运用 4 高速发展期 2 0 0 5 年至今 宇知理论得到进一步发展 并为物理语言学 及人类认知的可测量化提供了坚实的理论基础 同时向多学科渗透 在 各领域的应用蓬勃发展 1 1 3 计算动词理论研究现状和意义 计算动词理论自1 9 9 7 年诞生以来 历经整整十三年的理论和工程运用的验 证 显示了其解决复杂工程及社会问题的能力 现有的成果集中在计算动词控制 器 特别是动词p i d 控制器的设计与应用 计算动词聚类算法及决策树 计算 动词神经网络及其学习算法 计算动词图像处理 计算动词元胞自动机 认知经 济学等1 2 1 计算动词理论建立的初衷是为工程师提供一个简便有效的体系将自然语言 表达的动态知识转化为可供工程师使用的算法 所以计算动词的工业应用近年来 蓬勃发展 视频数卡器 视频条形码阅读器 视频火焰检测器 桩考自动化系统 智能交通开发包t r a f g os d k 智能安防系统及周界防护系统 色情图像及录像 检测开发包p o m s e e rs d k 以及认知证券交易系统等己被成功开发出来并应用于 实际工程中 从公开发表的文献来看 计算动词理论已有以下应用 同济大学的朱晟等人在文献 6 中给出了具体的动词p i d 控制器设计方法 并 3 计算动词理论及其在信息处理中的应用研究 将动词控制成功应用于自动发电控制 a g c 提高了控制结果的动态性能 7 1 昆 明理工大学的硕士李静将计算动词p i d 控制应用于直线电机控制 踟 上海大学的陈万米博士在其学位论文中将计算动词图像处理应用于足球机 器人色标模型的构建和图像实时匹配中1 9 1 长春理工的q i u s h u iy u 等人将计算动 词图像处理用于足球机器人色标设计 l o l 南非的硕士m a r i u ss m i t 在其硕士论文 1 l l q 构建了一个通用的计算动词模 型 为基于自然语言的交互式叙事注入了新的活力 同济大学的郑丽将计算动词聚类算法应用于油浸式变压器故障诊断 并利用 决策树做出故障预警1 1 2 1 电子科技大学的陈芳楠将计算动词理论用于电力营销 中的用电量预测 1 3 1 在厦门大学 汤伟宾成功地将计算动词规则应用到显微镜聚焦的课题中 并 将这一系统产品化 1 4 郭奕利用计算动词规则 计算动词推理等构建了一个有 效实用的自动规避导盲系统1 1 5 l 同时郭奕从计算动词事件 计算动词神经网络 和计算动词p i d 控制器这三个方面对计算动词理论进行了研究 定程度上丰富 概率论 人工神经网络和p i d 控制技术 1 6 1 郭莉莎在其基础上完成了一种新型自 适应的人工神经网络 1 7 1 郑繁繁将计算动词规则应用到变步长自适应滤波器的 设计之中 取得了很好的效果 1 8 纪志良在文献 1 9 1 0 0 构建了一个计算动词数字 预失真 d p d 模型 用于补偿功率放大器的输入输出信号之间的失真 林晓立致 力于一维计算动词元胞网络 c v c n 的研究 2 0 1 2 1 1 文锟则从二维c v c n x 手 深化了c v c n 的研究1 2 2 1 周喜昌对计算动词博弈论进行了研究 纠 将计算动词理 论进一步渗透到经济领域 孙娟娟则改进了计算动词决策树 2 4 童牧晨玄用计 算动词建模了有限状态机 2 5 1 在其学位论文中实现了一个以自然语言控制的游 戏a i 引掣2 6 可以看到 在中国大陆许多高校及研究机构中许多学者开始计算动词理论及 应用的研究 计算动词学科与众多学科形成交叉学科的趋势正在逐步形成 可以 预见随着计算动词理论的不断发展 我们可以更为容易地完成复杂智能系统的设 计 甚至将人类的情感思维融入到机器里面去 使之具有人类的认知能力 计算 动词展现出了很高的理论研究价值和广阔的工业应用前景 4 第1 章绪论 尽管如此 每一个新兴学科从诞生 成长到其成熟都是长期的过程 目前对 于计算动词理论的研究还处于初始阶段 理论本身及其如何应用到实践中都值得 我们不断地探索和研究 1 2 论文中的关键技术 在信息处理领域 数据挖掘和图像处理这两个方面的研究是当前的热点 一 些算法业已成熟并有很多成熟的工业应用 但这些算法面对智能化发展遭遇了瓶 颈 随着计算动词理论的探索不断向前 计算动词理论现有的框架为解决信息处 理中许多困难的问题提供了可行的方法论 同时 传统的信息处理领域已经拥有 的丰富的素材也为课题的开展奠定了可靠的基础 将计算动词理论引入这些传统 领域 无疑为这些技术打开了另一个思路 将极大地丰富这些理论 1 2 1聚类算法 在信息爆炸的大环境下 人们被各种数据 科学数据 医疗数据 金融数 据等淹没了 我们产生和存储数据的能力迅速提高 而却没有时间去查看分析这 些数据 大量的冗余 虚假 无用的数据充斥在不同层次的数据库中 使人们搜 索可用数据的效率低下 我们必须找到有效的方法来自动地分析数据 对数据分 类 对数据汇总 发现和描述数据中的趋势等 从信息处理的角度 人们更希望 用计算机帮助分析数据和理解数据 帮助他们基于丰富的数据作出决策 于是 数据挖掘 从大量数据中发现有用的知识成了一个令人激动的领域之一f 明 聚类分析是一种重要的数据挖掘方法 聚类即是将数据对象分成类或者簇的 过程 使同一个簇中的对象之间有大的相似度 而不同簇中的对象有大的差别 经典意义下的聚类 必须遵循一个基本原则 即论域u 中的每一个元素在且仅 在一个类 不能遗漏 不能混淆 各类间的界限是分明的 这种分类是建立在精 确关系上 但是在实际应用中 有时候会遇到一些界限不分明的分类问题 如土 地分为肥沃 贫瘠 气候分为干旱 涝 正常等 这些聚类分析就建立在模糊关 系的基础上 这是一种相似关系 比严格的等价关系弱 并不是严格的相等 而 只是 相似 幽l 当所研究的对象难以精确区分时 模糊聚类是有效的工具 5 计算动词理论及其在信息处理中的应用研究 对于动态数据 例如时间序列 在分析的过程中必须考虑数据集合中数据之间存 在的时序关系 如变化趋势 变化快慢等 比如 上升 与 缓慢地下降 之 间的关系是模糊理论难以确定的 近年来 序列数据挖掘的研究主要集中在时间序列分割 相似度度量 序列 聚类三个步梨2 9 1 纵观国内外文献可以发现 现在对于序列数据的研究也已慢 慢成熟 特别对于低维数据 已有许多比较成熟的算法 但是对于高维混合属性 的序列 尚无通用的方法 在第三章中 将详细阐述计算动词聚类算法的设计并将其应用于序列数据聚 类分析 计算动词聚类算法更加灵活简洁 并从感知 认知及自然语言处理等多 层次上并行地 协调地 系统地模拟人的思维 克服了以往的片面地 静态地以 及割裂地进行聚类分析的缺点 1 2 2 数字图像处理 图像对我们并不陌生 人的视觉系统本身就是一个观察系统 通过它得到的 图像就是客观景物在人脑海中形成的影像 客观世界在空间上是三维的 其得到 的图像是二维的并且是连续的 为了让计算机能够对图像加工 就需要对图像离 散化 获得数字图像 州 当前对于数字图像处理 根据抽象程度和研究方法的不同可分为三个层次 狭义图像处理 图像分析和图像理解 图像处理主要在像素级上进行处理 数据 量非常大 图像分析则进入了中层 分割和特征提取把原来以像素描述的图像转 变为比较简洁的非图形式的描述 图像理解主要是高层操作 其处理过程和方法 与人类的思维推理可以有许多类似之处 m 低层中层高层 图1 1 图像处理的三个层次 6 第1 章绪论 比较狭义的图像处理主要满足对图像进行各种加工以改善图像的视觉效果 并为自动识别打基础 或对图像进行压缩编码以减少所需存储空间或传输时间 降低对传输带宽的要求 图像分析则主要是对图像中感兴趣的目标进行检测和测量 以获得它们的客 观信息从而建立对图像的描述 图像分析是一个从图像到特征数据的过程 这里 特征数据可以是对目标特征测量的结果 或者是基于测量的符号表示 它们描述 了图像中目标的特点和性质 图像理解的重点是在图像分析的基础上 进一步研究图像中各目标的性质和 它们之间的相互联系 并得出对图像内容含义的理解以及对原来客观场景的解 释 从而指导和规划行动 如果说图像分析主要是以观察者为中心研究客观世界 主要研究可观察到的事物 那么图像理解在一定程度上是以客观世界为中心 借助知识 经验等来把握整个客观世界 包括没有直接观察到的事物 3 x 事实上图像数字化这种人为的分划 把图像像素点之间的联系割裂了 一个 像素点之间有强烈联系的图像被割裂为一个个孤立的像素点 在计算机中以矩阵 的形式存储 这与人脑的直觉相背离 在文献 3 2 中详细阐述了计算动词图像处理 在计算动词图像处理中用空间 动词的进化函数表示灰度值沿空问坐标的变化 弥补了因数字化而引起的像素点 孤立 联系被割裂的不足 并使用动词建模 动词相似度等对图像进行处理 改 进了现有的数字图像处理算法 文献 3 2 对于计算动词图像处理作了一个综述 并且介绍了当前已有的利用计算动词图像处理完成的工业产品 如视频读卡器 物理语言级的人脸检测 认知图像搜索引擎等 文献 1 0 在其足球机器人的色标 设计中应用了计算动词图像处理 文献 4 0 的作者利用静态模式识别的方式完成 了计算动词图像压缩等 随着计算动词理论的发展 动词图像处理也慢慢发展成 熟 1 3 论文的主要内容和结构 本论文是在计算动词理论的指导下 在信息处理领域 从数据挖掘及数字图 像处理这两个方向入手探索研究 以更贴近人类柔性思维的方法 特别针对聚类 7 计算动词理论及其在信息处理中的应用研究 算法 图像压缩编码 图像插值等算法 进行优化和仿真 并给出具体应用实现 相较于传统的方法 本论文中提出的基于计算动词理论的方法在实际应用中有明 显的优势 本论文站在计算动词理论的高度上 将计算动词理论应用于数据挖掘 与图像处理的实际 拓展了这两个方向的思路 也一定程度上丰富了计算动词理 论 论文总共分为5 章 各章的内容具体安排如下 第1 章为绪论 从人工智能讲起 介绍了计算动词理论的发展简史和研究现 状 阐述了论文的研究背景和课题的意义 并简要概括了本文的主要内容 第2 章对计算动词理论中的一些基本概念进行了阐述 为后续章节中的设计 实现及应用奠定理论基础 第3 章将计算动词理论引入数据挖掘 提出了聚类算法的新思路 阐述了计 算动词聚类算法的设计流程并完成仿真 在计算动词图像压缩算法改进 油浸式 变压器故障诊断以及股市数据分析中的应用 揭示了计算动词对于数据分析 特 别是在对时间序列数据分析中强大的实用性 第4 章阐述了计算动词图像处理体系 并创造性地把模式识别的思想引入计 算动词图像处理 完成了计算动词图像处理中包括压缩 插值在内的算法设计及 编程 同时将算法思想扩展到彩色图像 给出了优异的仿真结果 丰富了计算动 词图像处理的内涵 同时设计了图形界面 实现了算法设计的初步可视化 为后 续计算动词图像处理算法设计的可视化打下了基础 第5 章是对论文工作的总结与展望 总结了本文的主要工作 并对不足之处 以及后续需要进行的工作进行了展望 8 第2 章计算动词理论简介 第2 章计算动词理论简介 本章着重介绍本论文使用到的计算动词进化函数 标准动词 模板计算动词 计算动词相似度等概念和设计方法 2 1 计算动词 动力学系统的概念是对控制着某点随时间流逝在其周围空间进化路径的进 化规则的一种数学形式化 人类个体是生活在三维物理空间中且能感觉到 时间 流向力 所以人类个体的动态感知很可能是三维空间的动力学系统 计算动词理 论是建立于动力学系统理论基础之上 然而 计算动词是主观性的 动力学系统 是客观性的 所以计算动词的内涵远大于动力学系统 在文献 5 中给出一个有 着很少约束的计算动词定义g 启吠 计算动词 一个计算动词是一个四元组 y t 甲 矽 其中 是一个 宇 j 知符号 l 是一个属性值集合 t 甲 是一个动力学系统 其任何一条轨 线都是该计算动词的进化函数 根据直觉 我们有以下通用的简化计算动词定义 启吠 简化计算动词 一个计算动词矿由以下进化函数定义 毛 t x f 2 一q 其中q 互r 是状态空间 t 为动词y 的生命跨度 如果t r 则v 为连续时间 计算动词 如果t z 则v 为离散时间计算动词 在以上定义中 我们简化了t 使它更具有了时间的含义 在后续章节将要 提及的计算动词图像处理中我们会发现空间计算动词不是沿时间轴 而是沿空间 轴进化的 在实际应用中 并不需要被本定义中的时间形式的参量所迷惑 为了简化及标准化计算动词的实现 我们需要定义计算动词的b e c o m e 标准 形 其意义在于无论一个计算动词看起来多么复杂 它都可以用b e c o m e 标准形 来表示 例如精确数 温度从4 0 下降到2 0 弦可以表示为 温度b e c o m e 4 0 9 计算动词理论及其在信息处理中的应用研究 2 0 一 模糊数 速度从高减少到低 等价于 速度b e c o m e 高 低 一等等 还 有在设计动词p i d 控制器时 b e c o m e 标准形可以表示为b e c o m e s t a t e s t a t e 2 2 1 1 标准动词 标准动词 在文献 3 3 1 中也称为根动词 r o o tv e r b s 是工程师 专家在长 期实践中对于动态变化趋势的经验 这些经验常常是蕴含着对象动态特征属性 是从历史数据中总结出来的 以知识的形式存在于专家的大脑中 以短序列波形为例 直观地 上升一 保持一和 下降一是最符合人的直 觉的动态属性 参考这个经验 我们有以下标准动词的进化函数形式 1 线性进化函数的例子 毛蜊删 f x 0 k t k 0 o x o 船 k 0 f x o 蔚 k r f 0 f o 血掣 o o 护 m 一垒鼍掣i t t 2 m 0o 4 s t o y m a x o m i n l 0 5 口 z y q 0 1 3 计算动词理论及其在信息处理中的应用研究 以饱和函数s 形 k 一格为例 其中d 以 k 为k 和圪之间的动词距 离 g 为调节因子 当g 1 时 图2 4 中显示了s 似 k 随d 似 k 的变化而变 化的情况 很明显这是一个单调递减的关系 符合人的认知 当两个动词间的距 离较大时 相应地它们之间的相似度就较小 同时饱和函数可以把相似程度规范 在 0 1 的范围内 图2 4 饱和函数的实例 以下介绍几种计算动词相似度 值得注意的是 尽管现在已有数种定义计算 动词相似度的方法 但是还没有一种动词相似度能够很好地通用于各种应用 2 2 1 简单动词相似度 最简的计算动词是由两个采样点组成的 即b e c o m e s t a t e i s t a t e 2 如果选择 s t a t e 作为参考状态 则可以建模为b e c o m e o a s t a t e 可以看出最简计算动词有 一个包括两个点的生命跨度 起始点和结束点 其进化函数用一个代表进化函数 趋势的参数 来建模 如下所示 1 4 第2 章计算动词理论简介 毛 0 a o 2 6 且对一个观测值矿 0 a 我们定义以下的计算动词相似度 s 6 p c o 所 击 2 7 用差分的方式来表示最简计算动词 其参数空间是一维的 2 2 2 复合的动词相似度 3 4 j 1 3 5 i 对于时间序列波形 设计一个好的计算动词相似度 需要考虑以下几点 1 波形的局部和全局的趋势及与趋势相关的各种衍生特征 2 波形的局部和全局的形状 3 波形的频率和频谱 4 波形的幅度 区间 最小值 最大值 均值以及其他统计特征 文献 3 5 提出分而治之的方法 基于以上各个因素独立考虑来设计计算动词 相似度 即复合的计算动词相似度 复合c v s 给定两个计算动词k 和圪 它们之间的复合计算动词相似度的计算是基于如 下计算动词不同特性的相似度的组合 s k 吃 仃 乃 k 圪 以 巧 圪 以 k k 2 8 这里的仃 是复合不同方面的相似度计算的一个函数 可以选择如下的t 模 函数 s k k 2 乃 k k 形 k 匕 以 巧 砭 一叁全以 k 2 9 令厂 表示任意的y 函数 并且假设其满足以下条件 以 k 圪 0 l 以 k 砭 l 当且仅当巧和k 是相同的 巧 吃 o 当且仅当k 和匕的不同达到最大程度 复合的几个方面的例子如下 1 乃 根据两个计算动词之间的距离来测量c v s 1 5 计算动词理论及其在信息处理中的应用研究 令d k k 为k 和k 之间距离的一个衡量 那么r c z 圪 满足以下条件 当d k k o 那么乃 巧 匕 1 当d k k 0 0 那么儿 巧 0 乃 巧 圪 是关于d k 匕 的单调递减函数 k 匕 的一些例子如下 虼 k 圪 5 南 乃 k 圪 而丽i 面 p n p l 乃 k 砭 m a x 1 一 d k v p 0 d k 圪 函数的例子有 d 巧 匕 i q 气 一岛 气 i t o o 丁 d k 1 日 岛 一岛 f o rd t 1 p 1 其它如欧氏距离 闵可夫斯基距离等 2 力 根据比较两个计算动词的趋势来测量c v s 趋势对相似度的贡献可以基于进化函数的距离的导数来计算如下 堋 圳掣 警 d 函数和7 函数的构造同前述一样 3 y 根据比较两个计算动词之间的频率特征来测量c v s 频率对于相似度的贡献可以基于进化函数的傅里叶变换的距离来计算 如 下 t k 圪 办 最 易 这里的局 易分别是进化函数q 和乞的傅里叶变换 办 是衡量两个傅里 叶变换的距离的函数 4 其它特征 1 6 第2 章计算动词理论简介 还可以考虑诸如最低点 最高点等特征 值得注意的是 在实际的复合应用 中 对于各部分特征的贡献可以设计一定的权重来计算复合的动词相似度 2 2 3 分层动词相似度 复合的动词相似度因为考虑了各个因素对于结果的影响 具有一定的全面性 和可靠性 所以得到广泛