知识表示
特征描述---结构描述---语法/语言表示---谓词逻辑---产生式系统(包括产生式规则和知识库,其中产生式规则是一种知识,而产生式系统加上一种处理不确定信息的机制就构成了专家系统)---模糊逻辑(弥补数值或精确知识表示的局限性)---语义网络(采用节点与弧线结构,由物体,物体的描述以及他们之间的关系组成)---框架脚本(一种高层次知识表示,以一个广义语义网络加上一个相关变量、概念和情景串联的列表表示,适合表示特殊环境下的普通知识,用来代替缺失的信息)
统计模式识别
物体识别即为物体标明类别,识别的工具叫做分类器,分类器并不需要根据物体的结构来分类,而只需要根据感知到的物体特性(称做模式),如人区分钢铁和沙子,无需鉴定其结构,只需通过纹理、颜色、重量等就可以识别分类一样。
特征来自于物体描述,所有可能的模式集合即为模式空间(特征空间),如果描述得当,类内物体的相似性会使物体在模式空间中也相邻。
分类器的学习策略:概率密度估计,直接损失最小化,最小距离分类器,支持向量机,聚类分析
神经元网络
BP神经、非监督学习
句法模式识别
图匹配
以节点和弧都赋值的图为对象
模糊系统
隶属度(使描述不再是非黑即白,而是用隶属的程度来描述,越接近则隶属度越高)
模糊隶属函数(线性的,S形的,Beta形的,任意曲线等,但很少有问题能仅靠函数就能描述,因此需要模糊集)
模糊集,模糊运算(交并补)
单调模糊推理体现了模糊推理的根本概念