19、交互式草图识别与化学图构建的增量学习方法

交互式草图识别与化学图构建的增量学习方法

在图形识别领域，交互式草图识别和化学结构识别是两个重要的研究方向。本文将介绍交互式草图识别中的增量学习方法，以及化学结构识别系统 ChemInfty 中的不一致驱动化学图构建方法。

交互式草图识别的增量学习

在交互式草图识别中，决策过程有时无法确定做出正确的决策。当顶部两个分支的得分差异低于置信阈值，且这两个分支相互矛盾时，就需要用户进行干预。

当正确的根节点被验证后，其他根节点将被搁置，新的根节点要么是该根节点的子节点（如果存在），要么是等待的根节点。然后分析器会回到第一步（定义局部上下文步骤），直到没有更多的产生式规则适用时，分析完成。

目前，用户提供的信息仅用于解锁特定情况。为了更广泛地利用这些信息，我们提出在分析过程中集成一个增量分类器，利用用户提供的信息来提高其识别能力。

模糊推理系统的增量学习

增量学习算法是有监督的，每个数据样本的识别后都需要进行验证或纠正操作。如果系统的答案得到验证，数据样本将强化与该类相关的系统知识；如果收到外部纠正信号，增量学习算法将解决（错误的）获胜类和真实类之间的混淆；当输入数据样本被声明为来自一个新的未见过的类时，分类系统将开始学习这个新类。

我们的分类系统基于一阶 Takagi - Sugeno (TS) 模糊推理系统，其规则形式如下：
Rulei : IF x is close to Pi THEN y1i = l1i (x), …, yki = lki (x)
其中，x = {x1, x2, …, xn} 是输入向量，由从符号图像中提取的一组特征值组成。lmi (x) 是规则 i 对于类