35、基于人工智能的视听信息获取与FPAA频谱分析仪

基于人工智能的视听信息获取与FPAA频谱分析仪

1. 信息对象分类方法

在智能或专家系统的开发中，对象分类方法的开发通常在设计的早期阶段进行。分类能预先确定对象分组的独特或复合特征，便于利用系统中结构化的对象数据库。常见的分类树是一种多级树状结构，采用面向对象的继承原则，子类继承父类的所有属性和方法。

然而，本文所采用的分类方法与标准版本有根本区别。该方法基于信息对象数量增加时的自组织思想，无需特殊的内部程序控制，也不施加任何限制。视觉和声音对象与字典概念结合存储，字典概念作为关联标记，是分类方法可行的基石。字典概念基于信息原子——母语词汇，是更高层次的智能、认知和逻辑的链接。

随着信息对象数量的增加，标记及其负载会形成一个分类自组织系统。该分类并非静态，会随着学习灵活适应，因为分类成为了统计学领域的任务。所有视听信息以平等对象的形式引入系统，学习过程中会形成关联组。信息对象数量的增加会使一些标记指向相似对象，且某些标记比其他标记更广泛，从而形成子类关系，构建分类树。

例如，系统能区分正方形、矩形和平行四边形，引入四边形概念后，会创建一个虚拟的四边形父类，涵盖正方形、矩形和平行四边形的子类，这在几何上是合理的。该方法的主要特点是自然起源和自组织，有理由认为人类智能也通过这种机制进行分类。但该方法的实现存在人为难题，会显著增加计算负载，因此系统中不进行支持分类的操作，分类自然发生。

可以通过搜索用不同词汇概念标记的相似信息对象来突出学习过程中形成的分类，将得到的标记对按可用对构建成树，未找到交集的标记留在树的根部。给定匹配对可得到连接集，它们是重叠集，数值特征在匹配对矩阵末尾给出。

1.1 对象分类系统的对应对