[发明专利]一种用于人类认知模式识别的特征归一化方法及系统

说明书

技术领域

本发明属于人类认知模式识别技术领域，特别涉及一种用于人类认知模式 识别的特征归一化方法及系统。

背景技术

认知模式识别是指计算机通过分析人的外在行为特征达到对其内部心理模 式的理解，特别是在人机交互中对于人的目的、意图进行识别和判断。使用模 式识别技术对于人的不同认知模式的识别是近几年发展起来的研究热点，基于 磁共振、脑波和眼动的认知模式识别方法研究的比较多。认知模式识别的流程 包括以下步骤：特征提取、特征归一化、分类器训练和模式判别。

在认知模式识别处理中，特征提取及其归一化处理方法均对认知模式识别 效果有着重要的影响。特征归一化的目的是将各种不同的特征转换到一个共同 的值域范围，可以避免分类器训练时出现大数量级特征所占权重过大的问题， 归一化处理后使得原本数量级较小但是差异性较大的特征能够在判别函数中起 到相应的作用。

现有技术的特征归一化方法中，特征内部数据分布多样性问题导致不同认 知模式下的特征数据互相重叠，可区分性大大降低，将会严重影响识别效果。 而且该问题并不能通过特征整体归一化方法来解决，由于用户间特征数据分布 存在个体差异，对特征进行特征整体归一化后仅仅解决了特征间的分布多样性 问题，特征数据内部的差异仍然保留了下来，在训练分类器时就会产生影响， 导致识别率不能有效地提高。

目前，适用于认知模式识别的特征提取技术已经日趋成熟，但是通用的特 征归一化方法并不能满足认知模式识别的需求，因此亟需要一种能够用于认知 模式识别的特征归一化方法。

发明内容

为了解决现有特征整体归一化方法导致识别准确率低的技术问题，本发明 提供了一种分类准确率高、鲁棒性强的用于人类认知模式识别的特征归一化方 法及系统。

根据本发明的一个方面，提供了一种用于人类认知模式识别的特征归一化 方法，包括如下步骤：步骤S1，将特征数据按用户分组以形成特征矩阵；步骤 S2，基于预定的归一化函数对特征矩阵进行分组参数估计，得到每个分组对应 的分组参数；步骤S3，基于分组参数对特征矩阵的每个分组分别构建归一化函 数；步骤S4，利用构建的归一化函数对特征矩阵进行分组归一化处理。

优选的，所述步骤S1包括：步骤S11，获取每个用户执行每个任务时的特 征数据；步骤S12，将每个用户对应的特征数据构成特征矩阵的一行以构建特征 矩阵。

优选的，所述步骤S2包括：步骤S21，设置归一化函数；步骤S22，基于 特征矩阵每个分组的特征数据进行参数估计，以得到该分组对应的归一化函数 的参数。

所述步骤S4中，把归一化前的每个分组的特征数据代入到该分组对应的归 一化函数中，以得到该分组归一化后的特征数据。

其中，所述特征数据是每个用户执行多个任务类别的多个任务时的认知模 式特征数据，所述任务类别至少包括观看图片和文本阅读。

其中，所述认知模式至少包括瞳孔直径、眼跳距离、注视时间、和注视次 数中的一项或多项。

其中，所述归一化函数至少包括：Min-Max归一化函数、Z-score归一化函 数、Median归一化函数或tanh归一化函数。

根据本发明的另一方面，提供了一种用于人类认知模式识别的特征归一化 系统，所述系统包括特征矩阵形成单元1、分组参数估计单元2、函数构建单元 3、数据处理单元4，所述特征矩阵形成单元1用于将特征数据按用户分组以形 成特征矩阵；所述分组参数估计单元2连接到特征矩阵形成单元1，其基于预定 的归一化函数对特征矩阵进行分组参数估计，得到每个分组对应的分组参数； 所述函数构建单元3连接到分组参数估计单元2，其基于分组参数对特征矩阵的 每个分组分别构建归一化函数；所述数据处理单元4连接到特征矩阵形成单元1 和函数构建单元3，其利用构建的归一化函数对特征矩阵进行分组归一化处理。

优选的，所述特征矩阵形成单元1进一步包括：特征数据获取单元11，用 于获取每个用户执行多种任务类型的多个任务时的特征数据并发送给特征矩阵 构建单元12；和特征矩阵构建单元12，连接到特征数据获取单元11，其根据特 征数据获取单元11获取的特征数据，将每个用户对应的特征数据构成特征矩阵 T的一行以构建特征矩阵。