[发明专利]一种多信息融合分类及识别方法

权利要求书

1.一种多信息融合分类及识别方法，其特征在于，一种基于多源信息的个别对象间相似性度量方法，其步骤为： 

(1)设待分类或识别对象的可观测的特征参数为θ₁，...，θ_n，对其分别做归一化处理，处理后的特征参数为归一化的方法包括： 

①若θ_k的取值范围为[min，max]，

②若θ_k的取值范围为(-∞，+∞)，

③若θ_k的取值范围为[min，+∞)，

④若θ_k的取值范围为(-∞，max]，

(2)设任意两个对象S_i和S_j的特征参数向量分别为：和S_i和S_j的相似程度用它们在特征参数空间中对应的特征点的距离D来度量，这种距离称为相似距离，它的计算方法包括： 

①加权平均距离：

②加权欧式距离：

a_k、b_k为第k个特征参数在相似比较时的权重，可根据实际比较时的侧重点灵活选择，若没有特殊要求，各权重值可都取为1。 

(3)设S_i和S_j为任意两个对象，二者的相似距离为D，将D作为二者相似性的度量，给定取值范围[0，h)为吻合域，当D＜h时，判断S_i和S_j为同一或同类对象，h的值根据对象的特点及图像质量指定，h的取值范围为0.05～0.2；给定取值范围(p，1]为分离域，当D＞p时，判断S_i和S_j为非同一或同类对象，p的值根据对象的特点及图像质量指定，p的取值范围为0.4～0.95。 

2.一种多信息融合分类及识别方法，其特征在于，一种基于多源信息的个别对象相对于一个对象类的识别方法，其步骤为： 

(1)若某对象类有大容量样本库，对样本库进行随机大样本抽样，样本容量m大于30，若为对象归一化特征参数中的某一个，利用样本中的对象的参数的取值对对象类在参数 上的取值进行区间估计，置信度取为1-α，置信区间为为第j个样本在参数上的取值，为的样本方差，α的3个常用取值为0.1、0.05、0.01，相应的z_0.05＝1.645、z_0.025＝1.96、z_0.005＝2.575；逐一确定每个特征参数的置信区间； 

(2)指定目标识别区域为V＝{(θ₁，...，θ_n)|θ_k∈D_k，k＝1，...，n}，若S_i为待识别对象，S_i的特征参数向量为若判断对象S_i属于对象类。

3.一种多信息融合分类及识别方法，其特征在于，一种基于单源信息的个别对象“二选一”识别方法，其内容为： 

设为某归一化对象特征参数，根据在上取值的情况可定义两个对象类对和进行随机的大样本抽样，样本容量均大于30，根据样本数据对并和在参数上的取值情况进行区间估计。设对象类在参数上的置信度为1-α₁的置信区间为E₁，对象类在参数上的置信度为1-α₂的置信区间为E₂，且E₁与E₂没有交集，对任意一个具有参数的对象S可进行以下识别操作： 

(1)若判断

(2)若判断

(3)若无法做出判断。 

若对S进行识别操作，其结果的准确率大于min{(1-2α₁)，(1-2α₂)}，min{(1-2α₁)，(1-2α₂)}为(1-2α₁)与(1-2α₂)中的较小值；若参数在和上都呈对称分布，E₁和E₂也都为对称置信区间，以上识别结果的准确率大于min{(1-α₁)，(1-α₂)}。