周波　謝光

摘? 要：現(xiàn)階段，特征提取、模式匹配及語義分析與自然交互等技術(shù)的快速發(fā)展，促使人工智能在眾多領(lǐng)域中得到了運用。人工智能的普及使用，極大地提升了工業(yè)自動化的水平。文章首先對人工智能技術(shù)的具體應(yīng)用、發(fā)展情況進(jìn)行分析，然后以特征檢測技術(shù)、特征提取技術(shù)、模式匹配技術(shù)、語義分析技術(shù)為切入點，探究其在模式識別中所包含的關(guān)鍵技術(shù)，目的是加深人們對人工智能的認(rèn)識，使其可以得到更加充分、合理的應(yīng)用。

關(guān)鍵詞：人工智能;模式識別;特征檢測;特征提取;語義分析

中圖分類號：TP18;TP391.4? ? ? 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-4706（2019）22-0110-02

Abstract：At present，with the rapid development of feature extraction，pattern matching，semantic analysis and natural interaction，artificial intelligence has been used in many fields. The popularization of artificial intelligence has greatly improved the level of industrial automation. Firstly，the specific application and development of AI technology are analyzed. Then the key technologies in pattern recognition are explored from the point of feature detection technology，feature extraction technology，pattern matching technology and semantic analysis technology. The purpose is to deepen people’s understanding of artificial intelligence，so that it can be more fully and reasonably applied.

Keywords：artificial intelligence;pattern recognition;feature detection;feature extraction;semantic analysis

0? 引? 言

在互聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)技術(shù)、云計算技術(shù)高速發(fā)展的背景下，人工智能技術(shù)已經(jīng)在諸多領(lǐng)域與行業(yè)中得到運用，包括商務(wù)辦公、教育科研、金融證券、醫(yī)療衛(wèi)生等，有效提高了工作自動化、信息化程度。其中，人工智能技術(shù)融合了多個學(xué)科、技術(shù)，不僅與計算機存在緊密關(guān)系，還涉及通信學(xué)、物理學(xué)、統(tǒng)計學(xué)、心理學(xué)等范疇，實現(xiàn)對人類思維的模擬，為人們的學(xué)習(xí)、工作與生活提供幫助。

1? 人工智能技術(shù)的應(yīng)用與發(fā)展

經(jīng)過多年的發(fā)展，人工智能技術(shù)已經(jīng)被廣泛應(yīng)用在多個領(lǐng)域，如機器人領(lǐng)域、汽車駕駛領(lǐng)域等。其中，智能駕駛成為該項技術(shù)應(yīng)用的熱點，能夠在汽車的前后、兩側(cè)設(shè)置傳感器，實現(xiàn)對附近障礙物、車輛、行人等因素的識別，然后直接向控制器反饋?；诖?，控制器會結(jié)合諸多信息，為駕駛?cè)艘?guī)劃出一條更具安全性的路線。在智能駕駛技術(shù)中，主要是將人工智能技術(shù)作為前提，并對交通法規(guī)、心理學(xué)等知識予以整合，將“安全第一”作為首要準(zhǔn)則。

另外，機器人是人工智能技術(shù)應(yīng)用的另一個領(lǐng)域，也是此種技術(shù)水平不斷提升的產(chǎn)物，并為加工生產(chǎn)、探險排爆、消防急救、太空探險等提供了全新路徑[1]。例如：在探空探險中，因為人體自身機能的限制，導(dǎo)致其無法適應(yīng)太空環(huán)境，加之諸多領(lǐng)域存在輻射問題，所以增加了探險的難度。為此，必須實現(xiàn)對機器人的合理運用，使其能夠代替人完成工作，對太空環(huán)境、因素等進(jìn)行探索。除此之外，機器人自身可以承受外界的壓力，所以也可以應(yīng)用在探險排爆等領(lǐng)域中，即使工作期間導(dǎo)致機器人發(fā)生故障，也能夠通過修理等方式恢復(fù)正常?？傮w而言，人工智能技術(shù)的出現(xiàn)和應(yīng)用加快了社會發(fā)展的速度，可以為諸多工作提供便利。又如：在醫(yī)療工作中，以往的人工模式很可能會發(fā)生誤差，而將人工智能應(yīng)用在其中則可以有效提高工作的質(zhì)量[2]。

在未來的發(fā)展中，諸多行業(yè)均會進(jìn)入智能化階段，導(dǎo)致很多工作的安全性降低，人工方式難以安全、高質(zhì)量地完成工作。因此，可以充分發(fā)揮人工智能技術(shù)的作用，包括擦洗玻璃幕墻、更換高層玻璃窗等。也就是說，人工智能技術(shù)的水平將會不斷提高，且應(yīng)用的領(lǐng)域也有所拓展，能夠提高人們生活與工作的舒適性。

2? 人工智能在模式識別中的關(guān)鍵技術(shù)

對于模式識別而言，需要將人工智能技術(shù)作為前提，可以實現(xiàn)對對象相關(guān)信息的采集、分析與匹配。基于此，可以高效完成人們期望的相關(guān)操作。在這一過程中，必須充分發(fā)揮人工智能的價值，確保模式識別能夠發(fā)揮作用、實現(xiàn)目標(biāo)。對于人工智能的關(guān)鍵技術(shù)而言，可以結(jié)合操作流程分為四個層面，即特征檢測技術(shù)、特征提取技術(shù)、模式匹配技術(shù)、語義分析技術(shù)。其具體的應(yīng)用方式如下。

2.1? 特征檢測技術(shù)

在應(yīng)用人工智能技術(shù)的過程中，需要通過傳感器、攝像頭等設(shè)備，實現(xiàn)對外界語音文字、圖像視頻等信息的采集。然后，便可以實現(xiàn)對特征檢測技術(shù)的應(yīng)用，對以上數(shù)據(jù)信息進(jìn)行相應(yīng)的預(yù)處理。完成以后，便能夠?qū)φZ音文字或者視頻圖像中的目標(biāo)對象予以確定，并實現(xiàn)對目標(biāo)信息特征輪廓的標(biāo)定。例如：在一幀視頻或者一副圖像中，所包含的內(nèi)容十分豐富，結(jié)構(gòu)有較強的復(fù)雜性。同時，其中所蘊含的客觀物體也體現(xiàn)出較多的特點，包括模板特點、直方圖特點、結(jié)構(gòu)特征、顏色特征等。因此，只需要運用人工智能技術(shù)中的特征檢測，實現(xiàn)對有價值信息的選取、確定。在這一基礎(chǔ)上，可以對目標(biāo)對象進(jìn)行初步檢測分析。

目前，在模式識別中所采用的人工智能技術(shù)包含諸多類型，如圖像檢測方法，包括支持向量機、神經(jīng)網(wǎng)絡(luò)、Adabooat等。以上諸多算法均屬于同一種類型的方法，可以實現(xiàn)對低效技術(shù)方法予以集成，從而構(gòu)建一個更加強大的分類技術(shù)方法。在實現(xiàn)圖像檢測的過程中，可以充分利用檢測算法的價值，對目標(biāo)對象矩形特征進(jìn)行挑選。然后采用加權(quán)投票的方式，對常見的弱分類器進(jìn)行集成，從而形成一個更強大的分類器。在這一基礎(chǔ)上，可以采用訓(xùn)練學(xué)習(xí)的方法，將不同的強大分類器串聯(lián)起來，構(gòu)建一個具有極聯(lián)結(jié)構(gòu)特點的層疊分類器。而后將其應(yīng)用在模式識別中，可以有效提高分類器進(jìn)行對象檢測的效率、速度，為后續(xù)諸多環(huán)節(jié)的順利進(jìn)行奠定基礎(chǔ)[3]。

2.2? 特征提取技術(shù)

在模式識別中，為了能夠充分發(fā)揮人工智能技術(shù)的價值，需要將特征檢測作為前提。而在完成特征檢測以后，則需要充分發(fā)揮特征提取技術(shù)的作用，實現(xiàn)對海量數(shù)據(jù)信息中有價值特征的確定。也就是說，特征提取屬于人工智能中另外一個關(guān)鍵技術(shù)，可以對語音文本、視頻圖像等信息中所包含的大量特征進(jìn)行檢測，然后完成特征信息的準(zhǔn)確提取。對于特征提取技術(shù)而言，主要是人工智能技術(shù)學(xué)習(xí)、建模的一個過程，結(jié)合其運行工作的特點，被人們稱之為對圖像表征的描述。

結(jié)合特征提取技術(shù)的應(yīng)用方式，可以對其方法進(jìn)行分類。其一，是采用知識表征的方式進(jìn)行特征提取;其二，則是以統(tǒng)計學(xué)表征和代數(shù)特征為基礎(chǔ)的方法進(jìn)行特征提取。無論采用哪一種方法，都能夠在模式識別中發(fā)揮其作用，實現(xiàn)對特征的準(zhǔn)確確定。其中，知識表征的方式進(jìn)行特征提取，主要是結(jié)合目標(biāo)對象的距離度量特征、外形輪廓特征等，實現(xiàn)數(shù)據(jù)的提取、選擇。其中，特征距離度量主要包括歐式距離、曲率角度等。而其中所涉及的目標(biāo)對象輪廓特征所包含的內(nèi)容較多，包括眉毛、鼻子、眼睛、嘴唇等，可利用特征提取技術(shù)實現(xiàn)一一分解，并結(jié)合局部特征的結(jié)構(gòu)，將普遍性的知識展現(xiàn)出來。目前，以代數(shù)為表征的特征提取技術(shù)，主要涉及密度聚類、K均值、支持向量機、譜聚類等。而以統(tǒng)計學(xué)與代數(shù)特征為核心的方法，則是對對象的像素予以提取、統(tǒng)計，運用統(tǒng)計學(xué)方式對其特征進(jìn)行更加嚴(yán)密的提取、分離。

2.3? 模式匹配技術(shù)

在模式識別中應(yīng)用人工智能技術(shù)，可以通過特征提取技術(shù)實現(xiàn)對對象顯著特點的提取、分析。而完成提取以后，人工智能技術(shù)則會憑借自身的優(yōu)勢，對采集的特征信息與模式庫中的信息完成對比、匹配。也就是說，此環(huán)節(jié)需要實現(xiàn)對模式匹配技術(shù)的合理運用，確保人工智能技術(shù)可以充分發(fā)揮價值，實現(xiàn)模式識別的目的。對于模式匹配而言，其本質(zhì)屬于對模式進(jìn)行搜索以及對比的一個過程。

將人工智能技術(shù)作為基礎(chǔ)，可以在模式識別的環(huán)節(jié)中，對模式匹配對應(yīng)的操作閾值進(jìn)行比較。例如：將相似度當(dāng)作模式匹配的度量，并設(shè)置一個相對應(yīng)的閾值。完成閾值的設(shè)置后，則可以對對象的特征信息進(jìn)行比對。假設(shè)發(fā)現(xiàn)相似度比設(shè)定的閾值高，則表示本次的匹配結(jié)果成功。反之，則為失敗，需要對閾值設(shè)定、特征提取等環(huán)節(jié)進(jìn)行檢查、分析，確定其中是否存在異常現(xiàn)象，然后進(jìn)行針對性處理，完成以后再次進(jìn)入模式匹配。

2.4? 語義分析技術(shù)

當(dāng)模式識別的匹配環(huán)節(jié)完成且匹配結(jié)果成功以后，人工智能技術(shù)則會對機器語言進(jìn)行相應(yīng)的轉(zhuǎn)換，使其以人可以認(rèn)識、理解的自然語言呈現(xiàn)出來。因此，則需要發(fā)揮其中的語義分析技術(shù)，實現(xiàn)對語言的識別、轉(zhuǎn)換，最后將結(jié)果展示給人們。基于此，人們可以結(jié)合語義分析的最終結(jié)果做出相關(guān)決策，例如：為系統(tǒng)的下一步運行提出指令等。由此能夠發(fā)現(xiàn)，在模式識別中人工智能技術(shù)發(fā)揮著重要作用，并基于自身的多個核心技術(shù)，為人們實現(xiàn)對系統(tǒng)的合理操作提供幫助、參考，深化此種技術(shù)應(yīng)用的價值。

3? 結(jié)? 論

綜上所述，本文分析了人工智能技術(shù)的應(yīng)用情況、發(fā)展情況，發(fā)現(xiàn)其在模式識別層面具有十分重要的意義。其中，為了實現(xiàn)模式識別，人工智能技術(shù)的核心技術(shù)之間，具有層次性、遞進(jìn)性的特征。如此一來，能夠確保不同技術(shù)之間緊密配合，從而有效提高人機交互、智能制造、文本檢索、虛擬現(xiàn)實、視頻追蹤等工作的準(zhǔn)確性、快速性。

參考文獻(xiàn)：

[1] 《模式識別與人工智能》參與主辦的第19期自動化前沿論壇召開 [J].模式識別與人工智能，2019，32（6）：568.

[2] 張懿璞，閆茂德，常琪.基于人工智能背景下的模式識別課程教學(xué)改革與實踐 [J].陜西教育（高教），2018（11）：26+40.

[3] 《模式識別與人工智能》入選《2017年中國科學(xué)院科學(xué)出版基金科技期刊排行榜》（三等） [J].模式識別與人工智能，2018，31（2）：141.

作者簡介：周波（1963.11-），男，漢族，黑龍江哈爾濱人，教授，博士，研究方向：模式識別、計算機視覺;謝光（1983. 10-），男，漢族，山東單縣人，副教授，碩士，研究方向：智能系統(tǒng)、優(yōu)化調(diào)度算法。