基于协同学理论的复杂背景下目标识别技术的研究

本项目研究协同学模式识别的基本模型；理论上提出自上而下的离散协同神经网络，并指出细胞神经网络也能构造出协同神经计算机；研究了注意参数不平衡情况下的动力学行为，提出了基于识别特征的序参量重构概念及基于元素的n维序向量概念，这是对多维协同神经网络的创新研究；研究了基于旋转不变性子波特征等三种不同协同不变性识别理论；在学习算法方面提出了基于聚类、信息叠加及遗传学习算法，能有效地在原型模式空间搜索全局最优解；并在图象分割、字符识别、人脸检测、图象检索等领域获得了成功的应用。成果得到国内外专家的好评，14篇论文被国际《EI》收录，部分成果已转化为高科技产业，得到省部级无偿拔款资助。