[发明专利]基于自组织映射神经网络的舌象自动聚类、可视化和检索系统

权利要求书

1.基于自组织映射神经网络的舌象自动聚类、可视化和检索方法，其特征在于步骤如下：

(1)分割舌体：通过采集设备得到舌象样本图片，对样本图片进行舌体分割，得到完整的舌象；

(2)特征提取：在HSV颜色空间提取舌象的各分量的直方图，得到描述舌象样本的特征向量，并根据统计结果精简特征向量的维数；所述统计过程如下：首先对舌象样本数据库中的3500幅图片做三个分量各个维度的统计平均，然后对维度范围做适当的调整，以确保所有样本的大多数分量均处于所挑选的维度中，使用的维度范围包含了3500个样本的92％以上的像素；

(3)训练自组织映射神经网络：用大量典型舌象样本的特征向量训练自组织映射神经网络，得到对应于典型舌象样本集的自组织映射神经网络，其中包括各个聚类中心的参考特征向量及可视化表示各聚类之间关系的二维映射网络；

(4)基于最小距离准则的相似性检索：对输入的舌象样本图片，根据步骤(1)分割舌体，根据步骤(2)提取其特征向量，在由步骤(3)得到的自组织映射神经网络中，按照最小距离准则，检索与其最相似的聚类中心，然后在所有属于该聚类的舌象样本中检索与其最相似的样本；

(5)显示最相似舌象样本图像；

(6)在自组织映射神经网络中的二维映射网络上高亮显示匹配聚类对应的神经元节点，并显示此聚类的全部样本；

所述的步骤(3)的实现过程如下：

a.对自组织映射神经网络输出层各个神经元所代表的参考向量赋予小的随机数，并做归一化处理，神经元参考向量的维数与输入样本特征向量的维数相同；

b.从典型舌象样本集中取出舌象样本特征向量，将特征向量归一化后作为自组织映射神经网络的输入；

c.计算输入样本特征向量与各神经元参考向量的相似度，相似度最大的神经元获胜；

d.获胜神经元及其邻域内的神经元调整权值。

2.根据权利要求1所述的基于自组织映射神经网络的舌象自动聚类、可视化和检索方法，其特征在于：所述的步骤(2)的实现过程如下：在HSV颜色空间直接提取舌象各个分量的直方图，并将各分量的维度限制为：H：(2:41，201:255)，S：(1:200)，V(51:255)。