人工智能动物识别系统JAVA

人工智能动物识别系统JAVA
人工智能动物识别系统JAVA

经典文档下载后可编辑复制

作存储器

用户界面

实验报告

课程名称人工智能与专家系统实验名称动物分类专家系统设计

系别电子信息科学学院专业班级指导教师

学号____________姓名____________实验日期2016.4.1 实验成绩___________

一、实验目的

1、加深理解专家系统的结构原理与实际应用。

2、初步掌握知识获取的基本方法。

3、掌握产生式规则知识表示方法及其编程实现方法。

4、初步掌握知识库的组建方法。

5、加深理解推理机的算法原理并初步掌握其编程实现方法。

二、实验环境

1 、硬件环境:微机

2 、编程语言不限

三、实验原理

一个基于规则专家系统的完整结构示于图 1 。其中,知识库、推理机和工作存储器是构成专家系统的核心。系统的主要部分是知识库和推理引擎。知识库由谓词演算事实和有关讨论主题的规则构成。推理引擎由所有操纵知识库来演绎用户要求的信息的过程构成-如消解、前向链或反向链。用户接口可能包括某种自然语言处理系统,它允许用户用一个有限的自然语言形式与系统交互;也可能用带有菜单的图形接口界面。解释子系统分析被系统执行的推理结构,并把它解释给用户。

用户知识工程师

图1 一个基于规则专家系统的完整结构

外部程序

三、实验内容

运用下列规则,设计并实现一个小型动物分类专家系统。

规则 1 :

如果:动物有毛发

则:该动物是哺乳动物

规则 2 :

如果:动物有奶

则:该单位是哺乳动物

规则 3 :

如果:该动物有羽毛

则:该动物是鸟

规则 4 :

如果:动物会飞,且会下蛋

则:该动物是鸟

规则 5 :

如果:动物吃肉

则:该动物是肉食动物

规则 6 :

如果:动物有犬齿,且有爪,且眼盯前方

则:该动物是食肉动物

规则 7 :

如果:动物是哺乳动物,且有蹄

则:该动物是有蹄动物

规则 8 :

如果:动物是哺乳动物,且是反刍动物

则:该动物是有蹄动物

规则 9 :

如果:动物是哺乳动物,且是食肉动物,且是黄褐色的,且有暗斑点

则:该动物是豹

规则 10 :

如果:如果:动物是黄褐色的,且是哺乳动物,且是食肉,且有黑条纹

则:该动物是虎

规则 11 :

如果:动物有暗斑点,且有长腿,且有长脖子,且是有蹄类

则:该动物是长颈鹿

规则 12 :

如果:动物有黑条纹,且是有蹄类动物

则:该动物是斑马

规则 13 :

如果:动物有长腿,且有长脖子,且是黑色的,且是鸟,且不会飞

则:该动物是鸵鸟

规则 14 :

如果:动物是鸟,且不会飞,且会游泳,且是黑色的

则:该动物是企鹅

规则 15 :

如果:动物是鸟,且善飞

则:该动物是信天翁

利用上述15 条规则,可区分7 种动物。

( 2 )推理机设计:采用正向推理。

( 3 )实验代码

packag e tx ;

im port java.aw t.C heckbox ;

import java.aw t.* ;

im port java.aw t.event.* ;

im port javax .sw ing .* ;

public class R ZS ex tends J Frame implements A ction Listener

{ private sta tic JPanel jp = new JPanel();

private J L abel j l1=new J Label("请选择条件: ");

sta tic C heckbox[] C h eckbox=

///用数组创复选框

{new C heckbox ("有毛发 "),

new C heckbox ("有奶 "),

new C heckbox ("有羽毛 "),

new C heckbox ("会飞,且生蛋 "),

new C heckbox ("吃肉 "),

new C heckbox ("有犬齿,且有爪,且眼盯前方 "),

new C heckbox ("有蹄 "),

new C heckbox ("反刍动物 "),

new C heckbox ("黄褐色有暗斑点 "),

new C heckbox ("黄褐色有黑条纹 "),

new C heckbox ("暗斑点,长腿,长脖子 "),

new C heckbox ("黑条纹 "),

new C heckbox ("长腿,长脖子,黑色,不会飞 "),

new C heckbox ("不会飞,会游泳,黑色的 "),

new C heckbox ("善飞 ")

};

sta tic J B utton but1 =new JB utton("确定 ");

sta tic J B utton but2 =new JB utton("重置 ");

static J L abel lbl Im ag e = new J L abel( new Im ag e Icon("E:\\\照片\\\n ice.jpg "));

private J L abel j l2=new J Label("推出结果: ");

private J Label j l 3 =new J Label("");

public R ZS ( )

{///图形界面

jp.setL a y out( null);

jp.add( jl 1) ;

jl 1.setB ounds( 30 , 0 , 200 ,30 ) ;

for( i nt i = 0 ; i<=5 ; i++)

{

jp.add(C heckbox [ i] ) ; C

heckbox [ i ].setB ounds( 30 , 30 +i* 50 , 200 ,26 ) ;

}

for( i nt i = 5 ; i<=10 ; i++)

{

jp.add(C heckbox [ i] ) ;

C heckbox [ i] .setB ounds( 230 , 30 +( i-5 )* 50 , 200 ,26 ) ;

}

for( int i = 10 ; i<=14 ; i++)

{

jp.add(C heckbox [ i] ) ;

C heckbox [ i] .setB ounds( 430 , 30 +( i-10 )* 50 , 200 ,26 ) ;

}

jp.add( but1 ) ;

but1 .setB ounds( 30 , 280 , 100 ,30 ) ;

jp.add( but2 ) ;

but2 .setB ounds( 150 , 280 , 100 ,30 ) ;

jp.add( jl 2) ;

jl 2.setB ounds( 30 , 330 , 200 ,30 ) ;

jp.add( jl 3) ;

jl 3 .setB ounds( 30 , 380 , 200 ,30 ) ;

but1 .add A ctionListener( new A ctionListener()

{

public void actionPerform ed( A ctionEvent e)

{

///推理机 i

f(( C heckbox[ 0 ] .g etS ta te()==true|||C heckbox[ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 4 ] .g etS ta te()==true|||C heckbox [ 5] .g etS ta te()==true)

& & ( C heckbox [ 8 ] .g etS ta te()==true))

j l3 .setTex t("豹 ");

else i f( ( C heckbox [ 0 ] .g etS ta te()==true|||C heckbox [ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 4 ] .g etS ta te()==true|||C heckbox [ 5] .g etS ta te()==true)

& & ( C heckbox [ 9 ] .g etS ta te()==true))

j l3 .setTex t("虎 ");

else i f( ( C heckbox [ 0 ] .g etS ta te()==true|||C heckbox [ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 6 ] .g etS ta te()==true|||C heckbox [ 7 ] .g etS ta te()==true)

& & ( C heckbox [ 10 ] .g etS ta te()==true))

j l3 .setTex t("长颈鹿 ");

else i f( ( C heckbox [ 0 ] .g etS ta te()==true|||C heckbox [ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 6 ] .g etS ta te()==true|||C heckbox [ 7 ] .g etS ta te()==true)

& & ( C heckbox [ 11 ] .g etS ta te()==true))

j l3 .setTex t("斑马 ");

else i f( ( C heckbox [ 2 ] .g etS ta te()==true) & & (C heckbox [ 12 ] .g etS ta te()==true))

j l3 .setTex t("鸵鸟 ");

else i f( ( C heckbox [ 2 ] .g etS ta te()==true|||C heckbox [ 3 ] .g etS ta te()==true)

& & ( C heckbox [ 13 ] .g etS ta te()==true))

j l3 .setTex t("企鹅 ");

else i f( ( C heckbox [ 2 ] .g etS ta te()==true|||C heckbox [ 3 ] .g etS ta te()==true)

& & ( C heckbox [ 14 ] .g etS ta te()==true))

j l3 .setTex t("信天翁 ");

else jl 3.setTex t("条件不足或出错,请重新勾选条件 ");

}

});

but2 .add A ctionListener( new A ctionListener()

{

public void actionPerform ed( A ctionEvent e)

{

///重置

for( i nt i=0 ; i<=14 ; i++)

{

} });

jl 3 .setTex t(""); C

heckbox [ i ].setS ta te( f a l s e); }

jp.add( lbl Imag e);

lbl I mag e .setB ounds(630 , 30 , 300 , 400 ) ;

this.add( jp);

this.setTitle("动物识别系统 ");

this.setB ounds( 100 ,100 ,1000 ,500 ) ;

this.setVisible( true);

}

public void actionPerform ed( A ctionEvent e) {

///TODO A uto-g enerated method stub

}

public static void m a in( S tring [ ] arg s)

{ new R ZS ( );

}

}

packag e tx ;

im port java.aw t.C heckbox ;

import java.aw t.* ;

im port java.aw t.event.* ;

im port javax .sw ing .* ;

public class R ZS ex tends J Frame implements A ction Listener

{ private sta tic JPanel jp = new JPanel();

private J L abel j l1=new J Label("请选择条件: ");

sta tic C heckbox[] C h eckbox=

{new C heckbox ("有毛发 "),

new C heckbox ("有奶 "),

new C heckbox ("有羽毛 "),

new C heckbox ("会飞,且生蛋 "),

new C heckbox ("吃肉 "),

new C heckbox ("有犬齿,且有爪,且眼盯前方 "),

new C heckbox ("有蹄 "),

new C heckbox ("反刍动物 "),

new C heckbox ("黄褐色有暗斑点 "),

new C heckbox ("黄褐色有黑条纹 "),

new C heckbox ("暗斑点,长腿,长脖子 "),

new C heckbox ("黑条纹 "),

new C heckbox ("长腿,长脖子,黑色,不会飞 "),

new C heckbox ("不会飞,会游泳,黑色的 "),

new C heckbox ("善飞 ")

};

sta tic J B utton but1 =new JB utton("确定 ");

sta tic J B utton but2 =new JB utton("重置 ");

static J L abel lbl Im ag e = new J L abel( n ew Im ag e Icon("E:\\\照片\\\n ice.jpg "));

private J L abel j l2=new J Label("推出结果: ");

private J Label j l 3 =new J Label("");

public R ZS ( )

{

jp.setL a y out( null);

jp.add( jl 1) ;

jl 1.setB ounds( 30 , 0 , 200 ,30 ) ;

for( i nt i = 0 ; i<=5 ; i++)

{

jp.add(C heckbox [ i] ) ; C

heckbox [ i ].setB ounds( 30 , 30 +i* 50 , 200 ,26 ) ;

}

for( i nt i = 5 ; i<=10 ; i++)

{

jp.add(C heckbox [ i] ) ;

C heckbox [ i] .setB ounds( 230 , 30 +( i-5 )* 50 , 200 ,26 ) ;

}

for( int i = 10 ; i<=14 ; i++)

{

jp.add(C heckbox [ i] ) ;

C heckbox [ i] .setB ounds( 430 , 30 +( i-10 )* 50 , 200 ,26 ) ;

}

经典文档下载后可编辑复制

jp.add( but1 ) ;

but1 .setB ounds( 30 , 280 , 100 ,30 ) ;

jp.add( but2 ) ;

but2 .setB ounds( 150 , 280 , 100 ,30 ) ;

jp.add( jl 2) ;

jl 2.setB ounds( 30 , 330 , 200 ,30 ) ;

jp.add( jl 3) ;

jl 3 .setB ounds( 30 , 380 , 200 ,30 ) ;

but1 .add A ctionListener( new A ctionListener()

{

public void actionPerform ed( A ctionEvent e)

{

///推理机 i

f(( C heckbox[ 0 ] .g etS ta te()==true|||C heckbox[ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 4 ] .g etS ta te()==true|||C heckbox [ 5] .g etS ta te()==true)

& & ( C heckbox [ 8 ] .g etS ta te()==true))

///这里要把其它的复选框 .g etS ta te()==false,否则选择两种动物以上

会出错,但是我懒,没改。

j l3 .setTex t("豹 ");

else i f( ( C heckbox [ 0 ] .g etS ta te()==true|||C heckbox [ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 4 ] .g etS ta te()==true|||C heckbox [ 5] .g etS ta te()==true)

& & ( C heckbox [ 9 ] .g etS ta te()==true))

j l3 .setTex t("虎 ");

else i f( ( C heckbox [ 0 ] .g etS ta te()==true|||C heckbox [ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 6 ] .g etS ta te()==true|||C heckbox [ 7 ] .g etS ta te()==true)

& & ( C heckbox [ 10 ] .g etS ta te()==true))

j l3 .setTex t("长颈鹿 ");

else i f( ( C heckbox [ 0 ] .g etS ta te()==true|||C heckbox [ 1 ] .g etS ta te()==true)

& & ( C heckbox [ 6 ] .g etS ta te()==true|||C heckbox [ 7 ] .g etS ta te()==true)

& & ( C heckbox [ 11 ] .g etS ta te()==true))

j l3 .setTex t("斑马 ");

else i f( ( C heckbox [ 2 ] .g etS ta te()==true) & & (C heckbox [ 12 ] .g etS ta te()==true))

j l3 .setTex t("鸵鸟 ");

else i f( ( C heckbox [ 2 ] .g etS ta te()==true|||C heckbox [ 3 ] .g etS ta te()==true)

& & ( C heckbox [ 13 ] .g etS ta te()==true))

j l3 .setTex t("企鹅 ");

else i f( ( C heckbox [ 2 ] .g etS ta te()==true|||C heckbox [ 3 ] .g etS ta te()==true)

& & ( C heckbox [ 14 ] .g etS ta te()==true))

j l3 .setTex t("信天翁 ");

else jl 3.setTex t("条件不足或出错,请重新勾选条件 ");

}

});

but2 .add A ctionListener( new A ctionListener()

{

public void actionPerform ed( A ctionEvent e)

{

///重置

for( i nt i=0 ; i<=14 ; i++)

{

} });

jl 3 .setTex t(""); C

heckbox [ i ].setS ta te( f a l s e); }

jp.add( lbl Imag e);

lbl I mag e .setB ounds(630 , 30 , 300 , 400 ) ;

this.add( jp);

this.setTitle("动物识别系统 ");

this.setB ounds( 100 ,100 ,1000 ,500 ) ;

this.setVisible( true);

}

public void actionPerform ed( A ctionEvent e) { ///TODO A uto-g enerated method stub

}

public static void m a in( S tring [ ] arg s)

{ new R ZS ( );

}

}

( 3 )实验结果

例图 1 :老虎

例图 2 :鸵鸟

例图3 :条件不足

例图 4 :重置

四、实验小结:

(内容如下:

1 .简述系统各模块设计思想。

2 .总结(可以含错误分析、经验总结、编程心得等)

上交报告时,请删去上述红字。

浅析人工智能中的图像识别技术

浅析人工智能中的图像识别技术 本文从网络收集而来,上传到平台为了帮到更多的人,如果您需要使用本文档,请点击下载按钮下载本文档(有偿下载),另外祝您生活愉快,工作顺利,万事如意! 图像识别技术是信息时代的一门重要的技术,其产生目的是为了让计算机代替人类去处理大量的物理信息。随着计算机技术的发展,人类对图像识别技术的认识越来越深刻。图像识别技术的过程分为信息的获取、预处理、特征抽取和选择、分类器设计和分类决策。文章简单分析了图像识别技术的引入、其技术原理以及模式识别等,之后介绍了神经网络的图像识别技术和非线性降维的图像识别技术及图像识别技术的应用。从中可以总结出图像处理技术的应用广泛,人类的生活将无法离开图像识别技术,研究图像识别技术具有重大意义。 1 图像识别技术的引入 图像识别是人工智能科技的一个重要领域。图像识别的发展经历了三个阶段:文字识别、数字图像处理与识别、物体识别。图像识别,顾名思义,就是对图像做出各种处理、分析,最终识别我们所要研究的

目标。今天所指的图像识别并不仅仅是用人类的肉眼,而是借助计算机技术进行识别。虽然人类的识别能力很强大,但是对于高速发展的社会,人类自身识别能力已经满足不了我们的需求,于是就产生了基于计算机的图像识别技术。这就像人类研究生物细胞,完全靠肉眼观察细胞是不现实的,这样自然就产生了显微镜等用于精确观测的仪器。通常一个领域有固有技术无法解决的需求时,就会产生相应的新技术。图像识别技术也是如此,此技术的产生就是为了让计算机代替人类去处理大量的物理信息,解决人类无法识别或者识别率特别低的信息。 图像识别技术原理 其实,图像识别技术背后的原理并不是很难,只是其要处理的信息比较繁琐。计算机的任何处理技术都不是凭空产生的,它都是学者们从生活实践中得到启发而利用程序将其模拟实现的。计算机的图像识别技术和人类的图像识别在原理上并没有本质的区别,只是机器缺少人类在感觉与视觉差上的影响罢了。人类的图像识别也不单单是凭借整个图像存储在脑海中的记忆来识别的,我们识别图像都是依靠图像所具有

人工智能课程设计报告--动物识别系统

计算机科学与技术学院 《人工智能》课程设计报告设计题目:动物识别系统 设计人员:学号: 学号: 学号: 学号: 学号: 学号: 指导教师: 2015年7月

目录 目录 (1) 摘要 (2) Abstract (2) 一、专家系统基本知识 (3) 1.1专家系统实际应用 (3) 1.2专家系统的开发 (3) 二、设计基本思路 (4) 2.1知识库 (4) ....................................................................................................... 错误!未定义书签。 2.1.2 知识库建立 (4) 2.1.3 知识库获取 (5) 2.2 数据库 (6) ....................................................................................................... 错误!未定义书签。 ....................................................................................................... 错误!未定义书签。 三、推理机构 (7) 3.1推理机介绍 (7) 3.1.1 推理机作用原理 (7) ....................................................................................................... 错误!未定义书签。 3.2 正向推理 (7) 3.2.1 正向推理基本思想 (7) 3.2.2 正向推理示意图 (8) 3.2.3 正向推理机所要具有功能 (8) 3.3反向推理 (8) ....................................................................................................... 错误!未定义书签。 3.3.2 反向推理示意图 (8) ....................................................................................................... 错误!未定义书签。 四、实例系统实现 (9)

人工智能的研究方向和应用领域

人工智能的研究方向和应用领域 人工智能(Artificial Intelligence) ,英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式作出反应的智能机器,该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。广义的人工智能包括人工智能、人工情感与人工意志三个方面。 一、研究方向 1.问题求解 人工智能的第一个大成就是发展了能够求解难题的下棋(如国际象棋)程序。在下棋程序中应用的某些技术,如向前看几步,并把困难的问题分成一些比较容易的子问题,发展成为搜索和问题归约这样的人工智能基本技术。今天的计算机程序能够下锦标赛水平的各种方盘棋、十五子棋和国际象棋。另一种问题求解程序把各种数学公式符号汇编在一起,其性能达到很高的水平,并正在为许多科学家和工程师所应用。有些程序甚至还能够用经验来改善其性能。 2.逻辑推理与定理证明 逻辑推理是人工智能研究中最持久的子领域之一。其中特别重要的是要找到一些方法,只把注意力集中在一个大型数据库中的有关事实上,留意可信的证明,并在出现新信息时适时修正这些证明。对数学中臆测的定理寻找一个证明或反证,确实称得上是一项智能任务。为此不仅需要有根据假设进行演绎的能力,而且需要某些直觉技巧。 1976年7月,美国的阿佩尔(K.Appel)等人合作解决了长达124年之久的难题--四色定理。他们用三台大型计算机,花去1200小时CPU时间,并对中间结果进行人为反复修改500多处。四色定理的成功证明曾轰动计算机界。 3.自然语言理解 NLP(Natural Language Processing)自然语言处理也是人工智能的早期研究领域之一,已经编写出能够从内部数据库回答用英语提出的问题的程序,这些程序通过阅读文本材料和建立内部数据库,能够把句子从一种语言翻译为另一种语言,执行用英语给出的指令和获取知识等。有些程序甚至能够在一定程度上翻译从话筒输入的口头指令(而不是从键盘打入计算机的指令)。目前语言处理研究的主要课题是:在翻译句子时,以主题和对话情况为基础,注意大量的一般常识--世界知识和期望作用的重要性。

(人工智能)关于图像识别与人工智能的就业情况

(人工智能)关于图像识别与人工智能的就业情况

关于图像识别和人工智能的就业情况(2008-10-0216:06:10) 最近遇到壹些朋友问我考研方向,我告诉他们叫图像识别和人工智能。主要是图形图像处理这个领域。他们又问这个方向将来主要从事什么职业,进入什么样的公司?呀!这个我仍真没怎么关注,所以就上网查了查,来了解壹下。下面是转载的壹篇文章: 就我见来,个人觉得图像处理的就业仍是不错的。首先能够把图像见成二维、三维或者更高维的信号,从这个意义上来说,图像处理是整个信号处理里面就业形势最好的,因为你不仅要掌握(壹维)信号处理的基本知识,也要掌握图像处理(二维或者高维信号处理)的知识。其次,图像处理是计算机视觉和视频处理的基础,掌握好了图像处理的基本知识,就业时就能够向这些方向发展。目前的模式识别,大部分也均是图像模式识别。于实际应用场合,采集的信息很多均是图像信息,比如指纹、条码、人脸、虹膜、车辆等等。说到应用场合,千万不能忘了医学图像这壹块,如果有医学图像处理的背景,去壹些医疗器械公司或者医疗软件公司也是不错的选择。图像处理对编程的要求比较高,如果编程很厉害,当然就业也多了壹个选择方向,且不壹定要局限于图像方向。 下面谈谈我所知道的壹些公司信息,不全,仅仅是我所了解到的或者我所感兴趣的,实际远远不止这么多。 搜索方向 基于内容的图像或视频搜索是很多搜索公司研究的热点。要想进入这个领域,必须有很强的编程能力,很好的图像处理和模式识别的背景。要求高待遇自然就不错,目前这方面的代表公司有微软、google、yahoo和百度,个个鼎鼎大名。

医学图像方向 目前于医疗器械方向主要是几个大企业于竞争,来头均不小,其中包括Simens、GE、飞利浦和柯达,主要生产CT和MRI等医疗器材。由于医疗器械的主要功能是成像,必然涉及到对图像的处理,做图像处理的很有机会进入这些公司。它们于国内均设有研发中心,simens的于上海和深圳,GE和柯达均于上海,飞利浦的于沈阳。由于医疗市场是壹个没有完全开发的市场,而壹套医疗设备的价格是非常昂贵的,所以于这些地方的待遇均仍能够,前景也见好。国内也有壹些这样的企业比如深圳安科和迈瑞 计算机视觉和模式识别方向 我没去调研过有哪些公司于做,但肯定不少,比如指纹识别、人脸识别、虹膜识别。仍有壹个很大的方向是车牌识别,这个我倒是知道有壹个公司高德威智能交通似乎做的很不错的样子。目前视频监控是壹个热点问题,做跟踪和识别的能够于这个方向找到壹席之地。 上海法视特位于上海张江高科技园区,于视觉和识别方面做的不错。北京的我也知道俩个公司:大恒和凌云,均是以图像作为研发的主体。 视频方向 壹般的高校或者研究所侧重于标准的制定和修改以及技术创新方面,而公司则侧重于编码解码的硬件实现方面。壹般这些公司要求是熟悉或者精通MPEG、H.264或者AVS,选择了这个方向,只要做的仍不错,基本就不愁饭碗。由于这不是我所感兴趣的方向,所以这方面的公司的信息我没有收集,但平常于各个bbs或者各种招聘网站经常见到。 我所知道的俩个公司:诺基亚和pixelworks

人工智能实验报告-产生式系统推理-动物识别

人工智能第二次实验报告 产生式系统推理 班级:姓名:学号: 一、实验目的 1. 理解并掌握产生式系统的基本原理; 2. 掌握产生式系统的组成部分,以及正向推理和逆向推理过程。 二、实验要求 1. 结合课本内容, 以动物识别系统为例,实现小型产生式系统; 2. 要求: 正向推理中能根据输入的初始事实,正确地识别所能识别的动物;逆向推理中 能根据所给的动物给出动物的特征。 三、实验算法 1. 如何表示事实和特征的知识; 在本程序中,我将动物的特征写入data.txt,将规则记入rules.txt,将动物种类记为goal.txt。

通过函数void readFiles() { readGoal(); readCod(); readRule(); }读入所有数据分别存放于goal[],rule[],cod[]自定义数组中。 2. 指出综合数据库和规则库分别使用哪些函数实现的? 综合数据库(包括特征和目标) typedef struct { int xuh;//存放编号 char valu[50];//存放具体内容 }Node; Node goal[20]; Node cod[50];

规则库 typedef struct { int rslt; int codNum;//记载前提的个数 int cod[10];//记载前提的序号 int used;//记载是否已匹配成功 }Nrule; Nrule rule[50]; void readRule() { FILE *fp; int i; int tempxuh,tempcodn; char ch; if((fp=fopen("rules.txt","r"))==NULL) { printf("cannot open data\n"); exit(0); } i=0; rule[i].codNum=0; while((ch=fgetc(fp))!=EOF) { if(i==14) i=i; tempcodn=0; while(ch!='\n'&&ch!=EOF) //每一条规则 { tempxuh=0; while(ch<='9'&&ch>='0') { tempxuh=tempxuh*10+ch-'0';

图像识别与人工智能研究所发展规划报告

图像所学科建设与发展规划 根据学校建设世界知名高水平大学的发展目标,特制定图像所相应的学科建设与发展规划,以推动本学科的跨越式发展。 一、学科建设总体目标 (一)学科基础 图像识别与人工智能研究所(简称图像所)将继续以跻身于我国的国防科技的发展为切入点,从事发展巡航导弹中制导、末制导关键技术,承担相关预先研究和攻关科研任务为学科建设的主攻方向。 (1)目前本学科点共有五个研究方向: “计算机视觉与应用”、 “成像自动目标识别与精确制导技术”、 “多谱成像与遥感图像处理”、 “人工智能与思维科学” “面向模式识别的专用处理机与IC芯片设计”。 (2)本学科点现有科研人员26人,其中教授(含博士生导师)7人,副教授7人。科研教学梯队层次高,年龄、专业结构合理。现有教学科研用房4000 平方米。实验设备固定资产5000余万元,已初步形成先进、配套的教学、科研、开发环境和雄厚的技术储备。 (3)学科特点 模式识别与智能系统是信息科学技术领域中发展最迅速的前沿领域之一。

来自不同成像传感器的不同谱段的图像信号能全面揭示客观世界的各种特性,智能控制是人工智能与自动控制相结合的现代控制理论和技术,图像模式处理、识别与智能控制的结合构成了智能信息系统和智能自动化系统发展的基础,不仅科学意义深远而且有十分广阔的应用前景。本学科点的主要特色是紧密结合航天、航空和信息技术领域的国家目标,进行应用基础和应用技术的研究和开发,重点研究多谱段图像模式信息的获取、表示、处理、分析与智能系统领域的基础理论与关键技术,同时培养和造就本领域高层次、高质量的科技人才。本学科点具有特色和优势的研究方向是: ·计算机视觉与应用 在基于信息融合的信号处理、基于视觉、力觉和超声波接近觉的多传感器机器人系统和飞行器三维航迹规划技术方面具有特色,承担了国家重大型号XY-20末制导航迹规划攻关项目并进入型号研制。 ·成像自动目标识别与精确制导技术 开展面向复杂背景和随机环境下成像自动目标检测、识别、跟踪的新理论、新方法、新算法和新系统的研究,其特色是瞄准有关国家安全的国家目标,紧密结合航天航空高技术发展,在基于图象和图象序列的自动目标识别,景象匹配定位等精确制导领域开展应用基础和高技术的研究,并将一系列高水平成果应用于国防高技术武器系统中。 ·多谱成像与遥感图像处理 研究微波辐射特性及成像技术、激光雷达成像信号处理和遥感图像处理与

人工智能-动物识别

动物识别系统 #include #include using namespace std; struct RULES //规则结构 { int count; char pre[255]; char back[255]; int mark; }; RULES r[16]={ {1,"有毛发","哺乳动物",0}, //所有规则静态数据库{1,"有奶","哺乳动物",0}, {1,"有羽毛","鸟",0}, {2,"会飞&下蛋&","鸟",0}, {1,"吃肉","食肉动物",0}, {3,"有犬齿&有爪&眼盯前方&","食肉动物",0}, {2,"哺乳动物&有蹄&","有蹄类动物",0}, {2,"哺乳动物&反刍&","有蹄类动物",0}, {4,"哺乳动物&食肉动物&黄褐色&暗斑点&","金钱豹",0}, {4,"哺乳动物&食肉动物&黄褐色&黑色条纹&","老虎",0}, {4,"有蹄类动物&长脖子&长腿&暗斑点&","长颈鹿",0}, {2,"有蹄类动物&黑条纹&","斑马",0}, {5,"鸟&不会飞&长脖子&长腿&黑白色&","鸵鸟",0}, {4,"鸟&不会飞&会游泳&黑白色&","企鹅",0}, {2,"鸟&善飞&","信天翁",0}, }; int length; //输入的事实长度 string f[255]; //输入的事实数组 int find_rule(int s) //查找规则库中是否还有可使用的规则 { for(int i=0;i<=15;i++) s=s*r[i].mark; //cout<<"find_rule结果"<

探索大数据和人工智能最全试题

探索大数据和人工智能最全试题 1、2012年7月,为挖掘大数据的价值,阿里巴巴集团在管理层设立()一职,负责全面推进“数据分享平台”战略,并推出大型的数据分享平台。 A首席数据官 B.首席科学家 C.首席执行官 D.首席架构师 2、整个MapReduce的过程大致分为Map、Shuffle、Combine、()? A. Reduce B.Hash C. Clean D. Loading 3、在Spak的软件栈中,用于交互式查询的是 A. SparkSQL B.Mllib C.GraphX D. Spark Streaming 4、在数据量一定的情况下, MapReduce是一个线性可扩展模型,请问服务器数量与处( )理时间是什么关系? A数量越多处理时间越长 B.数量越多处理时间越短 C.数量越小处理时间越短 D.没什么关系

5、下列选项中,不是kafka适合的应用场景是? A.日志收集 B.消息系统 C.业务系统 D.流式处理 6、大数据的多样性使得数据被分为三种数据结构,那么以下不是三种数据结构之一的是 A.结构化数据 B.非结构化数据 C.半结构化数据 D.全结构化数据 7、下列选项中,不是人工智能的算法中的学习方法的是? A.重复学习 B.深度学习 C.迁移学习 D.对抗学习 8、自然语言处理难点目前有四大类,下列选项中不是其中之一的是 A.机器性能 B.语言歧义性 C.知识依赖 D.语境 9、传统的机器学习方法包括监督学习、无监督学习和半监督学习,其中监督学习是学习给定标签的数据集。请问标签为离散的类型,称为分类,标签为连续的类型,称为什么?

A.给定标签 B.离散 C.分类 D.回归 10、中国移动自主研发、发布的首个人工智能平台叫做() A.九天 B. OneNET C.移娃 D.大云 11、HDFS中Namenodef的Metadata的作用是? A.描述数据的存储位置等属性 B.存储数据 C.调度数据 D. 12、电信行业的客户关系管理中,客服中心优化可以实现严重问题及时预警,请问是用的什么技术实现的? A大数据技术 B.互联网技术 C.游戏技术 D.影像技术 13、随着闭源软件在数据分析领域的地盘不断缩小,老牌IT厂商正在改变商业模式,向着什么靠拢? A.闭源

人工智能YOLO V2 图像识别实验报告材料

第一章前言部分 1.1课程项目背景与意义 1.1.1课程项目背景 视觉是各个应用领域,如制造业、检验、文档分析、医疗诊断,和军事等领域中各种智能/自主系统中不可分割的一部分。由于它的重要性,一些先进国家,例如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题,即所谓的重大挑战。计算机视觉的挑战是要为计算机和机器人开发具有与人类水平相当的视觉能力。机器视觉需要图象信号,纹理和颜色建模,几何处理和推理,以及物体建模。一个有能力的视觉系统应该把所有这些处理都紧密地集成在一起。作为一门学科,计算机视觉开始于60年代初,但在计算机视觉的基本研究中的许多重要进展是在80年代取得的。计算机视觉与人类视觉密切相关,对人类视觉有一个正确的认识将对计算机视觉的研究非常有益。 计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。这里所指的信息指Shannon定义的,可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息,所以计算机视觉也可以看作是研究如何使人工系统从图像或多维数据中“感知”的科学。 科学技术的发展是推动人类社会进步的主要原因之一,未来社会进一步地朝着科技化、信息化、智能化的方向前进。在信息大爆炸的今天,充分利用这些信息将有助于社会的现代化建设,这其中图像信息是目前人们生活中最常见的信息。利用这些图像信息的一种重要方法就是图像目标定位识别技术。不管是视频监控领域还是虚拟现实技术等都对图像的识别有着极大的需求。一般的图像目标定位识别系统包括图像分割、目标关键特征提取、目标类别分类三个步骤。 深度学习的概念源于人工神经网络的研究。含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征,以发现数据的分布式特征表示。深度学习的概念由Hinton等人于2006年提出。基于深度置信网络提出非监督贪心逐层训练算法,为解决深层结构相关的优化难题带来希望,随后提出多层自动编码器深层结构。此外Lecun等人提出的卷积神经网络是第一个真正多层结构学习算法,它利用空间相对关系减少参数数目以提高训练性能。

人工智能动物识别专家系统

一.题目:动物识别专家系统 二.实验目的 1.理解并掌握基于规则系统的表示与推理 2.学会编写小型的生产式系统,理解正向推理和反向推理的过程以及两 者的区别 3.学会设计简单的人机交互界面 三.实验内容 动物识别专家系统是流行的专家系统实验模型,它用产生式规则来表示知识,共15条规则、可以识别七种动物,这些规则既少又简单,可以改造他们,也可以加进新的规则,还可以用来识别其他东西的新规则来取代这些规则。 四.实验要求 1、确定推理方法(正向还是反向),并根据问题设计实现一个简单的不通用推理机(匹配、冲突消解) 2、规则库要求至少包含15条规则 3、初始事实可以任意给定,输入初始事实后能够得到推理结果 4、设计人机界面,解释模块提供查询规则的功能 5、可以不考虑知识库管理模块 6、提交实验报告, 7、报告中要有推理树 五.实验原理 动物识别专家系统是流行的专家系统实验模型,它用产生式规则来表示知识,共15条规则、可以识别七种动物,这些规则既少又简单,可以改造他们,也可以加进新的规则,还可以用来识别其他东西的新规则来取代这些规则。动物识别15条规则: 规则1: 如果:动物有毛发 则:该动物是哺乳动物

规则2: 如果:动物能产奶 则:该单位是哺乳动物 规则3: 如果:该动物有羽毛 则:该动物是鸟 规则4: 如果:动物会飞,且会下蛋 则:该动物是鸟 规则5: 如果:动物吃肉 则:该动物是肉食动物 规则6: 如果:动物有犬齿,且有爪,且眼盯前方 则:该动物是食肉动物 规则7: 如果:动物是哺乳动物,且有蹄 则:该动物是有蹄动物 规则8: 如果:动物是哺乳动物,且是反刍动物 则:该动物是有蹄动物 规则9: 如果:动物是哺乳动物,且是食肉动物,且是黄褐色的,且有暗斑点则:该动物是豹 规则10: 如果:如果:动物是黄褐色的,且是哺乳动物,且是食肉,且有黑条纹则:该动物是虎 规则11: 如果:动物有暗斑点,且有长腿,且有长脖子,且是有蹄类 则:该动物是长颈鹿 规则12: 如果:动物有黑条纹,且是有蹄类动物 则:该动物是斑马 规则13: 如果:动物有长腿,且有长脖子,且是黑色的,且是鸟,且不会飞

重庆大学人工智能作业(动物识别系统)

人工智能及其应用作业姓名:学号: 一、作业题目:设计一个动物识别系统,运用产生式系统的思想,设在综合数据库中存放 下列已知事实:该动物身上有暗斑点,长脖子,长腿,奶,蹄,这些事实与规则库中的知识从第一条开始匹配,最终得出该动物是长颈鹿。 二、程序设计分析:根据产生式系统的原理,该系统一般由规则库、综合数据库、控制 系统三部分构成。先定义规则库结构体,里面包括Condition[6][20],result[20]和规则数Cnum,再定义综合数据库即事实库,里面包括item[20][20],和事实数Fnum,主要用到的参数就是这些。然后初始化规则库和综合数据库,编辑规则库。之后就是主程序,也就是推理机的作用:先让用户输入事实,然后与规则库中的知识从第一条开始逐条匹配,当匹配成功时,将结论插入事实库并更新事实库,再逐条匹配,依次循环..最终如果能匹配成功就显示‘该动物是..’,否则显示‘无法识别该动物’,程序结束。 三、程序流程图如下图:

图一、系统程序流程图四、我的源程序如下: #include "iostream.h" #include "stdio.h" #include "conio.h" #include "string.h" typedef struct Rule//定义规则库 { char Condition[6][20]; char Result[20]; int Cnum; bool used; }rule;

typedef struct Fact//定义综合数据库 { char item[20][20]; int Fnum; }fact; rule r[100]; fact f; void Create_Rules();//初始化规则库void Create_Facts();//初始化综合数据库int Get_RulesNum(); void Ratiocinate(int n); void main() { int Rnum=0; Create_Rules(); Create_Facts(); Rnum=Get_RulesNum(); //cout<

人工智能数据库系统优化的捷径

人工智能数据库系统优化的捷径 摘要:SQL语句的优化是将性能低下的SQL语句转换成目的相同的性能优异的SQL语句。文中主要介绍了利用人工智能自动SQL优化技术来优化数据库系统,并且简要介绍了几种常见的数据库系统优化方法。人工智能自动SQL优化就是使用人工智能技术,自动对SQL语句进行重写,从而找到性能最好的等效SQL语句。 一数据库性能的优化 一个数据库系统的生命周期可以分成:设计、开发和成品三个阶段。在设计阶段进行数据库性能优化的成本最低,收益最大。在成品阶段进行数据库性能优化的成本最高,收益最小。 数据库的优化通常可以通过对网络、硬件、操作系统、数据库参数和应用程序的优化来进行。最常见的优化手段就是对硬件的升级。根据统计,对网络、硬件、操作系统、数据库参数进行优化所获得的性能提升,全部加起来只占数据库系统性能提升的40%左右,其余的60%系统性能提升来自对应用程序的优化。许多优化专家认为,对应用程序的优化可以得到80%的系统性能的提升。 二应用程序的优化 应用程序的优化通常可分为两个方面:源代码和SQL语句。由于

涉及到对程序逻辑的改变,源代码的优化在时间成本和风险上代价很高,而对数据库系统性能的提升收效有限。 三为什么要优化SQL语句 SQL语句是对数据库进行操作的惟一途径,对数据库系统的性能起着决定性的作用。 SQL语句消耗了70%至90%的数据库资源。 SQL语句独立于程序设计逻辑,对SQL语句进行优化不会影响程序逻辑。 SQL语句有不同的写法,在性能上的差异非常大。 SQL语句易学,但难精通。 优化SQL语句的传统方法是通过手工重写来对SQL语句进行优化。DBA或资深程序员通过对SQL语句执行计划的分析,依靠经验,尝试重写SQL语句,然后对结果和性能进行比较,以试图找到性能较佳的SQL语句。这种传统上的作法无法找出SQL语句的所有可能写法,且依赖于人的经验,非常耗费时间。 四SQL优化技术的发展历程 第一代SQL优化工具是执行计划分析工具。这类工具针对输入的SQL语句,从数据库提取执行计划,并解释执行计划中关键字的含义。 第二代SQL优化工具只能提供增加索引的建议,它通过对输入的SQL语句的执行计划的分析,来产生是否要增加索引的建议。 第三代SQL优化工具不仅分析输入SQL语句的执行计划,还对输入的SQL语句本身进行语法分析,经过分析产生写法上的改进建议。

人工智能-基于规则的动物识别专家系统

人工智能实验二 一.题目:基于规则的动物识别专家系统 二.实验目的 1.熟悉产生式的特点,基本结构和设计思想; 2.掌握基于规则推理的基本过程和方法; 3.学会用高级程序设计语言开发基于规则的动物识别系统。 三.实验内容 动物识别专家系统是流行的专家系统实验模型,它用产生式规则来表示知识,共15条规则、可以识别七种动物,这些规则既少又简单,可以改造他们,也可以加进新的规则,还可以用来识别其他东西的新规则来取代这些规则。动物识别15条规则: r1 毛发哺乳动物 r2 奶哺乳动物 r3 羽毛鸟 r4 会飞|下蛋鸟 r5 吃肉食肉动物 r6 犬齿|爪|眼睛盯着前方食肉动物 r7 哺乳动物|蹄有蹄类动物 r8 哺乳动物|反刍有蹄类动物 r9 哺乳动物|食肉动物|黄褐色|暗斑点金钱豹 r10 哺乳动物|食肉动物|黄褐色|黑色条纹虎 r11 有蹄类动物|长脖子|长腿|暗斑点长颈鹿 r12 有蹄类动物|黑条纹斑马 r13 鸟|不会飞|长脖子|长腿|黑白色鸵鸟

r14 鸟|不会飞|游泳|黑白色企鹅 r15 鸟|善飞信天翁 四.实验要求 1、确定推理方法(正向还是反向),并根据问题设计实现一个简单的不通用推理机(匹配、冲突消解); 2、规则库要求至少包含15条规则; 3、初始事实可以任意给定,输入初始事实后能够得到推理结果; 4、设计人机界面,解释模块提供查询规则的功能; 5、可以不考虑知识库管理模块; 6、提交实验报告,以word文档形式“学号+姓名”命名; ①报告中要有程序源代码; ②有程序运行结果截图; ③要有推理树; ④报告提交到:ftp://192.168.129.253/xstjzy/任建平/人工智能 五.实验原理 1.基于规则产生式系统结构 基于规则的产生式系统一般由规则库(知识库)、综合数据库和推理引擎(推理机)三部分组成,规则库中它的基本组成框架如下图1所示。 知识库由谓词演算事实和有关讨论主题的规则构成,综合库又称为上下文,用来暂时存储推理过程中的结论和数据。推理机是用规则进行推理的过程和行为。知识采集系统是领域专家把相关领域的知识表示成一定的形式,并输入到知识库中。解释系统通过用户输入的条件来分析被系统执行的推理结构,并将专家知识以易理解的方式并把知识解释给用户。 图1 规则产生式系统的基本结构 2. 简单动物识别产生式系统结构: ⑴知识库ANIMAL的知识库非常小,仅仅包含15条规则(一般说来,一个

基于.人工智能算法的图像识别及生成

基于人工智能算法的图像识别与生成 摘要:本次报告的工作是利用PCA,SVM以及人工神经网络(ANN)实现对人脸的特征提取、分类和预测。然后利用GAN(生成对抗网络)实现对手写数字的生成,并用SVM 做预测,验证生成效果。 本次报告采用的数据源自剑桥大学的ORL 人脸数据库,其中包含40个人共400张人脸图像。 关键词:人工智能;图像识别;数据 中图分类号:TP18 文献标识码:A 文章编号:1009-3044(2018)13-0173-02 1 PCA降维 PCA(principal components analysis)即主成分分析,又称主分量分析。旨在利用降维的思想,把多指标转化为少数几个综合指标。 首先我们给出了数据库的平均脸的图像,并利用PCA对人脸降维,通过改变降低到的维度研究了保留维度的多少带来的影响。最后给出了每一个维度的特征脸图像,讨论了每一个维度所能够代表的人脸信息。 1.1 平均脸 首先,我们将数据库中400张人脸按行存储到一个矩阵

中,即每一行为一张人脸(10304像素),每张人脸共10304维特征。我们对每一个维度去平均,构成一个新的行向量,这就是平均脸。 平均脸反映了数据库中400张人脸的平均特征,可以看清人脸的轮廓,但无法识别人脸的局部细节。 1.2 降低至不同维度时还原脸的情况 从左到右从上到下依次是同一张脸降低至10,30,50,100,200,250,300,350,400的图像。可以看到,随着保留维数的增多,图像越清晰,与原图的差异越小。 1.3 提取单一维度的特征做还原 为了研究不同维度所代表的人脸的信息,我们把PCA之后的每一个特征向量单独提取出来对人脸做还原,还原的时候不加入平均脸并且做直方图均衡化。 结果如下: 每一张图像下方的数字代表了PCA之后按特征值从大到小排序的顺序,比如第一张图代表PCA之后最大特征值所对应的特征向量还原出的人脸。 特征累积图的纵坐标代表了所保留的特征占总特征的 比例。它是这样计算出来的,假设保留k维信息,则纵坐标值为这k个特征值的和除以总的400(400*10304的矩阵,最多有400个非零特征值)个特征值的和。 从图4可以看出,当保留维数为100维时,即能保留人

人工智能动物识别系统 实验报告

人工智能导论 实验报告 题目动物识别专家系统 学院信息科学与工程学院 专业计算机科学与技术 姓名侯立军 学号 20131222036 班级计信1301 二O一五年十一月二十六日

1 设计内容 题目:动物识别专家系统 内容:动物识别专家系统是流行的专家系统实验模型,他用产生是规则来表示知识可以识别不同的动物。这些规则既少又简单,可以改造他们,也可以加入新的规则,还可以用来识别其他新规则来取代这些规则。 2 基本原理 2.1 产生式系统的问题求解基本过程: (1) 初始化综合数据库,即把欲解决问题的已知事实送入综合数据库中; (2) 检查规则库中是否有未使用过的规则,若无转 (7); (3) 检查规则库的未使用规则中是否有其前提可与综合数据库中已知事实相匹配的规则,若有,形成当前可用规则集;否则转(6); (4) 按照冲突消解策略,从当前可用规则集中选择一个规则执行,并对该规则作上标记。把执行该规则后所得到的结论作为新的事实放入综合数据库;如果该规则的结论是一些操作,则执行这些操作; (5) 检查综合数据库中是否包含了该问题的解,若已包含,说明解已求出,问题求解过程结束;否则,转(2); (6) 当规则库中还有未使用规则,但均不能与综合数据库中的已有事实相匹配时,要求用户进一步提供关于该问题的已知事实,若能提供,则转(2);否则,执行下一步; (7) 若知识库中不再有未使用规则,也说明该问题无解,终止问题求解过程。 2.2 正向推理 正向推理是以已知事实作为出发点的一种推理,又称数据驱动推理、前向链推理及前件推理等。 2.2.1 正向推理的基本思想: 从用户提供的初始已知事实出发,在知识库KB中找出当前可适用的知识,构成可适用知识集KS,然后按某种冲突消解策略从KS中选出一条知识进行推理,并将推出的新事实加入到数据库中作为下一步推理的已知事实,在此之后再在知识库中选取可适用的知识进行推理,如此重复,直到求得了所要求的解,或者知识库中再

人工智能动物识别系统JAVA

精品文档 工作存储器解释器 用户界面 实验报告 课程名称人工智能与专家系统实验名称动物分类专家系统设计 系别电子信息科学学院专业班级指导教师 学号____________姓名____________实验日期2016.4.1 实验成绩___________ 一、实验目的 1、加深理解专家系统的结构原理与实际应用。 2、初步掌握知识获取的基本方法。 3、掌握产生式规则知识表示方法及其编程实现方法。 4、初步掌握知识库的组建方法。 5、加深理解推理机的算法原理并初步掌握其编程实现方法。 二、实验环境 1 、硬件环境:微机 2 、编程语言不限 三、实验原理 一个基于规则专家系统的完整结构示于图 1 。其中,知识库、推理机和工作存储器是构成专家系统的核心。系统的主要部分是知识库和推理引擎。知识库由谓词演算事实和有关讨论主题的规则构成。推理引擎由所有操纵知识库来演绎用户要求的信息的过程构成-如消解、前向链或反向链。用户接口可能包括某种自然语言处理系统,它允许用户用一个有限的自然语言形式与系统交互;也可能用带有菜单的图形接口界面。解释子系统分析被系统执行的推理结构,并把它解释给用户。 推理机 知识库 用户知识工程师 图1 一个基于规则专家系统的完整结构 开发界面 外部程序

三、实验内容 运用下列规则,设计并实现一个小型动物分类专家系统。 规则 1 : 如果:动物有毛发 则:该动物是哺乳动物 规则 2 : 如果:动物有奶 则:该单位是哺乳动物 规则 3 : 如果:该动物有羽毛 则:该动物是鸟 规则 4 : 如果:动物会飞,且会下蛋 则:该动物是鸟 规则 5 : 如果:动物吃肉 则:该动物是肉食动物 规则 6 : 如果:动物有犬齿,且有爪,且眼盯前方 则:该动物是食肉动物 规则 7 : 如果:动物是哺乳动物,且有蹄 则:该动物是有蹄动物 规则 8 : 如果:动物是哺乳动物,且是反刍动物 则:该动物是有蹄动物 规则 9 : 如果:动物是哺乳动物,且是食肉动物,且是黄褐色的,且有暗斑点 则:该动物是豹 规则 10 : 如果:如果:动物是黄褐色的,且是哺乳动物,且是食肉,且有黑条纹 则:该动物是虎 规则 11 : 如果:动物有暗斑点,且有长腿,且有长脖子,且是有蹄类 则:该动物是长颈鹿 规则 12 : 如果:动物有黑条纹,且是有蹄类动物 则:该动物是斑马 规则 13 : 如果:动物有长腿,且有长脖子,且是黑色的,且是鸟,且不会飞 则:该动物是鸵鸟 规则 14 : 如果:动物是鸟,且不会飞,且会游泳,且是黑色的 则:该动物是企鹅 规则 15 : 如果:动物是鸟,且善飞 则:该动物是信天翁 利用上述15 条规则,可区分7 种动物。 ( 2 )推理机设计:采用正向推理。

关于人工智能中的图像识别技术的研究

191 关于人工智能中的图像识别技术的研究 翁和王 (武夷学院数学与计算机学院,福建武夷山354300) 摘要:图像识别技术作为在信息时代发展起来的一项信息技术,其主要是利用计算机对人工进行替代,实现对众多的物 理信息进行处理。计算机技术快速发展也推动了图像识别技术得以迅猛的发展。文章就图像识别的技术原理、模式识别进行图像识别技术概述,并对其识别过程进行一定的分析,重点对神经网络以及非线性降维两个形式的图像识别技术加以分析。以期对图像识别有关的研究人员与应用人士有所参考。关键词:人工智能;原理与过程;图像识别技术;非线性;神经网络中图分类号:TP18文献标识码:A 文章编号:1673-1131(2016)10-0191-02 0引言 图像识别技术作为人工智能内的重要领域之一,在计算机技术和信息技术快速发展的背景下,其也得到了愈发广泛的使用,其在医疗诊断、指纹识别、面部识别以及卫星云图识别等方面具有着很好的应用。图像识别技术通常是指利用计算机对系统前端捕获的图片根据既定的目标对其进行处理。图像识别在人们日常的生活中也得到普遍的应用,诸如条码识别、车牌捕捉以及手写识别等。随着其不断的发展与完善,其今后的应用领域也会更加的广泛。 1图像识别技术的概述1.1图像识别的技术原理 事实上,图像识别具有的原理并非很深奥,主要是图像识别所需处理的信息非常的复杂。计算机中的所有处理技术均不能随意出现,是众多学者通过实践获得的启示,通过程序使其得到模拟与实现。计算机实现图像识别所需的原理与人类进行图像识别所需的原理基本上是一致的,仅仅是计算机不存在人类视觉和感觉方面的影响。人类在进行图像识别过程中并非仅是利用这一图像存在于脑海内的记忆加以识别,而是通过图像自身拥有的特征对其进行相应的分类,之后利用各个类别拥有的特征使图片被识别出来。当我们看到图片时,大脑便会快速感知出以前见过这张或与之相类似的图片与否。事实上在看到和感知间已经实现了快速的识别,这一识别与搜索存在一定的相似性[1]。在识别过程中,大脑将会按照存储记忆内被分好类的图片展开识别,检查其是否和这一图像存在相同或者是类似特征记忆存储,便识别出以往时候看见过这一图片。计算机进行图像识别的原理也是这样,利用分类和提取出图像的重要特征,并对多余的无用特征加以有效地排除,以此实现对图像的识别。计算机所能提取出来的上述特征有时会较为明显,而有时也会非常的普通,这在极大程度上对计算机识别效率造成一定的影响。总而言之,利用计算机进行视觉识别时,图像中的内容一般是通过图像特征对其加以描述的[2]。 1.2模式识别 模式识别作为信息科学与人工智能中的重要组成,其通 常是对现象和事物处于不同形式中信息实现处理与分析,以便能够达到对现象与事物进行分类、描述以及辨认等目标。而计算机能够实现图像识别便是对人类进行图像识别时的一种模拟,在实现图像识别时,能够展开模式识别是不可或缺的。以往的模式识别仅仅是人类所掌握基本智能之一,伴随人工智能以及计算机技术得到兴起与发展,人类自身具有的识别 模式便无法再满足人类的生活需求,对此人们便需要利用计算机来对人类脑力劳动进行一定程度的替代与扩展。这也就产生了计算机形式的模式识别。简而言之,模式识别便是对数据实现分类,其是一门和数学有着密切联系的科学,其所运 用的大量思想便是数学中的统计和概率[3] 。可以将模式识别分成统计模糊模式、识别模式识别以及句法模式识别三类。 2图像识别技术的识别过程 由于计算机进行图像识别和人类进行图像识别所采用的是一样的原理,因此上述两种识别过程也会存在一定的相似性。可以将图像识别技术划分为如下几步:第一步,信息的获取,其是指利用传感器将声音和光等信息装换为电信号,简而言之便是获取识别对象具有的基本信息,同时将其装换成为计算机可以识别的信息。第二步,预处理,其是指对图像进行去噪、变换以及平滑等处理操作,以此来提升图像所具有的重要特点。第三步,特征抽取与选择,其是在模式识别过程中,要对图像进行特征的抽取与选择,简而言之便是识别的图像是多种多样的,若想通过一定的方式将其分离开,便要对图像中拥有的自身特征进行识别,在特征的获取时便称为特征抽取[4]。在进行特征抽取过程中,获取的特征并非一定对本次识别有所价值,此时便要对所获取的特征进行一定的提取,这便是特征选择。对于图像识别整个过程而言,特征抽取与选择时期中最为关键的步骤之一,因此,这一步使进行图像识别理解时的重点内容。第四步,分类器设计与分类决策,其中分类器设计即利用训练来制定出一个识别规则,借此识别规则便能够获得一个特征种类,从而让图像识别可以达到更高的辨识率。而分类决策则是对特征空间内的被识别对象实现分类的最佳识别方法。 3图像识别技术的研究分析 3.1神经网络形式的图像识别技术 神经网络形式的图像识别是目前较为新型的技术,其是基于以往的图像识别方式,并将神经网络算法进行有效的融合。这里所说的神经网络指的是人工神经网络,换句话说便是该神经网络并非是动物体所拥有的神经网络,而是人类根据动物神经网络进行人工模拟的一种神经网络。对于神经网络形式的图像识别技术而言,遗传算法和BP 神经网络进行有效的结合是目前基于神经网络形式的图像识别技术内最为经典的模型,其在诸多的领域之中均有所应用。对图像识别系统运用神经网络系统,通常先对图像特征进行提取,之后将图像特征向神经网络中加以映射,以此实现对图像的识别与分类。例如,对于智能汽车监控中拍照识别技术而言, 2016 (Sum.No 166) 信息通信 INFORMATION &COMMUNICATIONS 2016年第10期(总第166期)

相关文档
最新文档