徐浩智

摘 要 隨著特征提取、模式匹配、語義分析、自然交互等技術(shù)的發(fā)展，促進(jìn)了人工智能在多領(lǐng)域普及和使用，提高了人類社會的自動化水平。特征提取可以利用攝像頭等傳感器采集視頻圖像、文本數(shù)字等信息，將這些信息的尖銳特征提取出來，與模式庫中的信息進(jìn)行匹配，然后可以通過語義分析，識別人們發(fā)出的各類動作。本文結(jié)合筆者的研究實(shí)踐，分析了人工智能應(yīng)用現(xiàn)狀及未來發(fā)展趨勢，重點(diǎn)描述了關(guān)鍵技術(shù)，為人工智能發(fā)展應(yīng)用做出貢獻(xiàn)。

【關(guān)鍵詞】人工智能 特征提取 模式匹配 語義分析

1 引言

隨著大數(shù)據(jù)、互聯(lián)網(wǎng)、云計算、人工智能的普及和發(fā)展，已經(jīng)在金融證券、教育科研、醫(yī)療衛(wèi)生、商務(wù)辦公等領(lǐng)域得到廣泛普及和使用，大大的提高了人類社會的信息化、自動化水平。人工智能是一個多學(xué)科融合技術(shù)，其不僅僅涉及到計算機(jī)技術(shù)，同時還涵蓋了統(tǒng)計學(xué)、物理學(xué)、通信學(xué)、心理學(xué)等多個學(xué)科，將多學(xué)科知識融合在一起模擬人們的思維，為人們的生活、辦公和學(xué)習(xí)提供輔助支撐。

2 人工智能應(yīng)用及發(fā)展

人工智能經(jīng)過多年的發(fā)展，應(yīng)用領(lǐng)域非常廣泛，包括智能駕駛、機(jī)器人等。智能駕駛是當(dāng)前人工智能應(yīng)用的一個重要領(lǐng)域，其可以利用安裝在汽車四周的傳感器感知車輛前后方以及兩側(cè)的人、車、障礙物等，將這些信息反饋給控制器，控制器可以利用這些知識規(guī)劃出一條安全的行駛線路，智能駕駛利用人工智能技術(shù)，整合心理學(xué)、交通法規(guī)等，嚴(yán)格的執(zhí)行安全第一的準(zhǔn)則，駕駛安全性也會大大的提高。機(jī)器人作為人工智能的一個重要產(chǎn)物，已經(jīng)在太空探險、消防急救、探險排爆、生產(chǎn)加工中得到廣泛應(yīng)用，比如在太空探險時，由于人們自身的機(jī)體存在脆弱性，許多領(lǐng)域都有大量的輻射，這些區(qū)域人們無法靠近，因此可以利用機(jī)器人代替人們?nèi)スぷ?，探測是否存在有機(jī)生命。機(jī)器人自身具有強(qiáng)大的外界抗壓力，因此探險排爆可以采用機(jī)器人進(jìn)行操作，即使爆炸破壞了機(jī)器人的完整性也可以通過修復(fù)使其正常工作。

人工智能應(yīng)用領(lǐng)域非常多，只要是人們工作的地方都可以使用機(jī)器人代替，比如在醫(yī)療診斷過程中，由于人工操作存在誤差，高難度的手術(shù)通常無法操作，但是利用機(jī)器人卻可以精準(zhǔn)操作，進(jìn)行高難度手術(shù)。未來城市化進(jìn)程加快，越來越多的建筑創(chuàng)出新的高度，由于安全性等問題造成人們無法在樓外進(jìn)行作業(yè)，比如更換玻璃窗、擦洗玻璃幕墻等，這些都可以使用人工智能機(jī)器人完成。人工智能的發(fā)展將會為人們工作、生活帶來更多的方便，更好的提高人類生活的舒適性。

3 人工智能在模式識別中的關(guān)鍵技術(shù)

模式識別是人工智能應(yīng)用的基礎(chǔ)，其可以完成對象信息采集、匹配和分析，以便更好的執(zhí)行人們期望的操作，可以將關(guān)鍵技術(shù)按照操作流程劃分為三個方面，分別是特征檢測、特征提取、模式匹配、語義分析等。

人工智能可以使用攝像頭、傳感器采集外界的視頻圖像、文字語音信息，然后就可以利用特征檢測技術(shù)對這些信息進(jìn)行預(yù)處理，獲取視頻圖像或語音文字中的目標(biāo)對象，標(biāo)定出這些目標(biāo)信息的輪廓大小。比如在一副圖像或一幀視頻中，其包含的內(nèi)容非常豐富，客觀物體的特征也較多，比如直方圖特征、模板各種、顏色特征、結(jié)構(gòu)特征等，特征檢測就是可以將有價值的信息挑出來，利用這些特征實(shí)現(xiàn)對象檢測。目前人工智能采用的圖像檢測方法非常多，比如神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、Adaboost等，這些算法是一種分類方法，能夠?qū)⑤^弱的分類方法集成在一起，構(gòu)建一個很強(qiáng)的分類方法。圖像檢測可以使用檢測算法挑選一些目標(biāo)對象矩形特征，按照加權(quán)投票方式為弱分類器構(gòu)建一個強(qiáng)分類器，然后通過訓(xùn)練學(xué)習(xí)就可以將強(qiáng)分類器串聯(lián)在一起，形成一個級聯(lián)結(jié)構(gòu)的層疊分類器，提高分類器的檢測速度。特征提取是人工智能引入的另一個關(guān)鍵技術(shù)。由于視頻圖像、語音文本中包含的特征很多，經(jīng)過檢測之后，就可以將這些特征提取出來。特征提取是人工智能學(xué)習(xí)建模的過程，又被人們稱為圖像表征描述，特征提取方法經(jīng)過分類可以劃分為兩個類別，分別是基于知識表征的方法，另一種是基于代數(shù)特征或統(tǒng)計學(xué)習(xí)表征方法?；谥R的表征方法可以根據(jù)目標(biāo)對象輪廓形狀以及距離度量特性獲取特征數(shù)據(jù)，這個特征距離度量的種類包括曲率角度、歐氏距離等，目標(biāo)對象輪廓特征很多，比如人的面部包括眼睛、鼻子、眉毛、嘴唇等，可以將這些局部特征一一分解，利用局部特征之間的幾何結(jié)構(gòu)，將常見的知識特征提取出來?；诖鷶?shù)特征和統(tǒng)計學(xué)習(xí)表征方法則是利用目標(biāo)對象像素的密度進(jìn)行統(tǒng)計，然后可以充分的利用統(tǒng)計學(xué)的嚴(yán)密規(guī)則實(shí)現(xiàn)特征分離和提取，目前基于代數(shù)的特征提取方法包括K均值、密度聚類、譜聚類、支持向量機(jī)。

特征提取完畢之后，人工智能就可以將這些特征與模式庫中保存的信息進(jìn)行匹配，匹配也是模式搜索、對比的過程。人工智能可以設(shè)置一個模式匹配操作閾值，比如可以利用相似度作為度量，然后設(shè)置一個閾值，閾值設(shè)置完畢之后就可以進(jìn)行對比，如果相似度超過規(guī)定閾值，則判定模式匹配成功。

模式匹配成功之后，人工智能需要將機(jī)器語言轉(zhuǎn)換為人們可以理解的自然語言，這樣就可以使用語義分析技術(shù)，將識別的結(jié)果提供給人們，幫助人們進(jìn)行決策，比如下達(dá)下一步操作指令等。

4 結(jié)束語

人工智能是人來未來科技發(fā)展的最終趨勢，也是當(dāng)前計算機(jī)技術(shù)研究和應(yīng)用的熱點(diǎn)，經(jīng)過多年的普及，人工智能的特征提取、模式匹配和語義分析越來越準(zhǔn)確，從識別機(jī)器語言發(fā)展到識別人們的自然語言，能夠提高在智能制造、人機(jī)交互、虛擬現(xiàn)實(shí)、文本檢索、視頻追蹤的快速性和準(zhǔn)確度，具有重要的作用。

參考文獻(xiàn)

[1]石錦閃.電氣工程自動化中人工智能的應(yīng)用研究[J].電子技術(shù)與軟件工程，2015（17）：286-286.

[2]陶九陽，吳琳，胡曉峰.AlphaGo技術(shù)原理分析及人工智能軍事應(yīng)用展望[J].指揮與控制學(xué)報，2016，2（02）：114-120.

[3]歐陽玉峰，周瑩瑩.計算機(jī)網(wǎng)絡(luò)技術(shù)中人工智能的應(yīng)用解析[J].數(shù)字技術(shù)與應(yīng)用，2016（01）：98-98.

作者單位

遼寧省本溪市高級中學(xué) 遼寧省本溪市 117000