[发明专利]一种模式识别方法和装置

权利要求书

1.一种模式识别方法，其特征在于，该模式识别方法包括：

对输入的训练数据进行特征提取，通过自适应核可能性模糊C均值聚类算法进行聚类分析后建立参考模型并保存至参考模型数据库；

对输入的测试数据进行相同特征提取后得到测试特征向量，将测试特征向量与所述参考模型数据库中各参考模型模式匹配，得到模式识别结果；

其中，通过自适应核可能性模糊C均值聚类算法进行聚类分析后建立参考模型包括：

将得到的包含N个训练特征向量的集合{x_k}划分为C个子集，其中，k＝1,…,N，x_k为M维向量，1＜C＜N，

求出每个子集的聚类中心，使得下列目标函数最小：

且满足下列约束条件一和二：

条件一，条件二，

其中，u_ik∈U表示第k个特征向量对第i类的隶属度；t_ik∈T表示集合x_k属于第i类的典型值；m,η＞1为模糊加权指数；a,b＞0为权重系数；v_i∈V为聚类中心；系数γ_i＞0；

所述通过自适应核可能性模糊C均值聚类算法进行聚类分析后建立参考模型具体包括：

在执行步骤S0，计算初始聚类中心V₀之后，执行下列步骤：

步骤S1，根据公式(2)和(3)计算高斯核函数的带宽参数σ：

步骤S2，根据预定公式计算γ_i；

步骤S3，令t＝1；

步骤S4，根据公式(4)和(5)，计算在第t次迭代时高斯核函数的带宽参数σ_t：

步骤S5，根据第t-1次的聚类中心V_t-1和下列公式(6)计算第t次第k个特征向量对第i类的隶属度U_t：

根据第t-1次的聚类中心V_t-1和下列公式(7)计算第t次集合x_k属于第i类的典型值T_t：

根据第t-1次的聚类中心V_t-1和U_t、T_t、下列公式(8)计算第t次的聚类中心V_t：

步骤S6，判断当||U_t-U_t-1||≤ε或者||V_t-V_t-1||≤ε时，终止迭代并输出对应的U_t、T_t、V_t；其中，ε为预设的最大误差；

步骤S7，令t＝t+1，

步骤S8，判断当赋值后的t大于最大迭代次数时，终止迭代并输出对应的U_t、T_t、V_t；否则，返回步骤S4继续执行直至终止迭代。

2.根据权利要求1所述的模式识别方法，其特征在于，将测试特征向量与所述参考模型数据库中各参考模型执行模式匹配包括：

分别利用各参考模型的码本对测试特征向量进行量化，计算平均量化误差，将得到的平均量化误差作为测试特征向量与各参考模型之间的距离，所述码本为训练各参考模型过程中得到的聚类中心的值；

比较测试特征向量与各参考模型的平均量化误差的大小，将平均量化误差最小值所对应的参考模型作为模式匹配结果。

3.根据权利要求1所述的模式识别方法，其特征在于，所述训练数据和测试数据为相同类型的语音数据或者图像数据。