统计认知分类/聚类模型及其模型计算方法研究

统计认知理论采用概率统计模型对大脑认知过程进行模拟和分析，为探索生物智能的本质和发展先进智能信息处理方法提供了新的途径。本项目在当前统计认知理论发展水平基础上，针对信息分类/聚类这一人类认知和智能信息处理的基础性和关键性问题，重点研究统计认知分类/聚类模型及其模型计算方法。在分类/聚类认知理论和概率图框架下，提出基于相似、因果、Markov随机场、一阶概率逻辑、Bayesian层次等基础概率结构模块组合的模型结构体系，设计基于认知知识、训练样本、和模块组合特点的模型结构和参数学习方法，推导多推理机制融合的概率综合推理算法，探索近似概率计算方法及其神经网络实现，形成比较完整的方法体系。并通过在线生物学文献中的荧光显微图象分类/聚类的应用范例研究，揭示统计认知分类/聚类模型和算法解决复杂的信息分类/聚类问题的优势和潜力，并为其在其它分类/聚类问题的应用提供参照。