發(fā)布時(shí)間：2023-03-20 16:15:49
序言：寫作是分享個(gè)人見解和探索未知領(lǐng)域的橋梁，我們?yōu)槟x了8篇的識(shí)別技術(shù)論文樣本，期待這些樣本能夠?yàn)槟峁┴S富的參考和啟發(fā)，請(qǐng)盡情閱讀。
20世紀(jì)80年代，由于大規(guī)模集成電路技術(shù)的成熟，射頻識(shí)別系統(tǒng)的體積大大縮小，使得射頻識(shí)別技術(shù)進(jìn)入實(shí)用化的階段，成為一種成熟的自動(dòng)識(shí)別技術(shù)。
射頻識(shí)別技術(shù)是利用射頻方式進(jìn)行非接觸雙向通信，以達(dá)到識(shí)別目的并交換數(shù)據(jù)。它與同期或早期的接觸式識(shí)別技術(shù)不同。RFID系統(tǒng)的射頻卡和讀寫器之間不用接觸就可完成識(shí)別，因此它可在更廣泛的場(chǎng)合中應(yīng)用。
典型的射頻識(shí)別系統(tǒng)包括射頻卡和讀寫器兩部分。
射頻卡是將幾個(gè)主要模塊集成到一塊芯片中，完成與讀寫器的通信。芯片上有EEPROM用來(lái)儲(chǔ)存識(shí)別碼或其它數(shù)據(jù)。EEPROM容量從幾比特到幾萬(wàn)比特。芯片僅需連接天線(和電池)，可以作為人員的身份識(shí)別卡或貨物的標(biāo)識(shí)卡?？ǚ庋b可以有不同形式，比如常見的信用卡及小圓片的形式等。與條碼、磁卡、IC卡等同期或早期的識(shí)別技術(shù)相比，射頻卡具有非接觸、工作距離長(zhǎng)、適于惡劣環(huán)境、可識(shí)別運(yùn)動(dòng)目標(biāo)等優(yōu)點(diǎn)。
在多數(shù)RFID系統(tǒng)中，讀寫器在一個(gè)區(qū)域內(nèi)發(fā)射電磁波(區(qū)域大小取決于工作頻率和天線尺寸)?？ㄆ瑑?nèi)有一個(gè)LC串聯(lián)諧振電路，其頻率與讀寫器發(fā)射的頻率相同。當(dāng)射頻卡經(jīng)過這個(gè)區(qū)域時(shí)，在電磁波的激勵(lì)下，LC諧振電路產(chǎn)生共振，從而使電容內(nèi)有了電荷。在這個(gè)電容的另一端，接有一個(gè)單向?qū)ǖ碾娮颖?，將電容?nèi)的電荷送到另一個(gè)電容內(nèi)儲(chǔ)存。當(dāng)所積累的電荷達(dá)到2V時(shí)，此電容可作為電源為其它電路提供工作電壓，將卡內(nèi)數(shù)據(jù)發(fā)射出去或接取讀寫器的數(shù)據(jù)。讀寫器接收到卡的數(shù)據(jù)后，解碼并進(jìn)行錯(cuò)誤校驗(yàn)來(lái)決定數(shù)據(jù)的有效性，然后，通過RS232、RS422、RS485或無(wú)線方式將數(shù)據(jù)傳送到計(jì)算機(jī)網(wǎng)絡(luò)。簡(jiǎn)單的RFID產(chǎn)品就是一種非接觸的IC卡，而復(fù)雜的RFID產(chǎn)品能和外部傳感器接口連接來(lái)測(cè)量、記錄不同的參數(shù)，甚至可與GPS系統(tǒng)連接來(lái)跟蹤物體。
工作原理如圖1所示。
2射頻識(shí)別技術(shù)的分類
射頻識(shí)別技術(shù)主要按以下四種方式分類。
(1)工作頻率
根據(jù)工作頻率的不同可分為低頻和高頻系統(tǒng)。①低頻系統(tǒng)一般指其工作頻率小于30MHz的系統(tǒng)。其基本特點(diǎn)是：射頻卡的成本較低、標(biāo)簽內(nèi)保存的數(shù)據(jù)量較少、閱讀距離較短(無(wú)源情況，典型閱讀距離為10cm)、射頻卡外形多樣(卡狀、環(huán)狀、鈕扣狀、筆狀)、閱讀天線方向性不強(qiáng)等。低頻系統(tǒng)多用于短距離、低成本的應(yīng)用中，如多數(shù)的門禁控制、動(dòng)物監(jiān)管、貨物跟蹤。②高頻系統(tǒng)一般指其工作頻率大于400MHz的系統(tǒng)。高頻系統(tǒng)的基本特點(diǎn)是射頻卡及讀寫器成本均較高、卡內(nèi)保存的數(shù)據(jù)量較大、閱讀距離較遠(yuǎn)(可達(dá)幾m~十幾m)、適應(yīng)物體高速運(yùn)動(dòng)性能好、外形一般為卡狀、閱讀天線及射頻卡天線均有較強(qiáng)的方向性。高頻系統(tǒng)多應(yīng)用于需要較長(zhǎng)的讀寫距離和高的讀寫速度的場(chǎng)合，像火車監(jiān)控、高速公路收費(fèi)等系統(tǒng)。
(2)射頻卡
根據(jù)射頻卡的不同可分成可讀寫(RW)卡、一次寫入多次讀出(WORM)卡和只讀(RO)卡三種。RW卡一般比WORM卡和RO卡貴得多，如電話卡、信用卡等。一般情況下改寫數(shù)據(jù)所花費(fèi)的時(shí)間遠(yuǎn)大于讀取數(shù)據(jù)所花費(fèi)的時(shí)間(常規(guī)為改寫所花費(fèi)的時(shí)間為s級(jí)，閱讀花費(fèi)的時(shí)間為ms級(jí))。WORM卡是用戶可以一次性寫入的卡，寫入后數(shù)據(jù)不能改變，且比RW卡要便宜。RO卡存有一個(gè)唯一的號(hào)碼，不能逐改，保證了安全性。RO卡最便宜。
(3)射頻卡的有源與無(wú)源
射頻卡可分為有源及無(wú)源兩種。有源射頻卡使用卡內(nèi)電池的能量、識(shí)別距離較長(zhǎng)，可達(dá)十幾m，但是它的壽命有限(3~10年)，且價(jià)格較高；無(wú)源射頻卡不含電池，利用讀寫器發(fā)射的電磁波提供能量，重量輕、體積小、壽命長(zhǎng)、很便宜，但它的發(fā)射距離受限制，一般是幾十cm，且需要讀寫器的發(fā)射功率大。
(4)調(diào)制方式
根據(jù)調(diào)制方式的不同還可分為主動(dòng)式和被動(dòng)式。①主動(dòng)式的射頻卡用自身的射頻能量主動(dòng)地發(fā)送數(shù)據(jù)給讀寫器。②被動(dòng)式的射頻卡，使用調(diào)制散射方式發(fā)射數(shù)據(jù)。它必須利用讀寫器的載波調(diào)制自己的信號(hào)，適宜在門禁或交通的應(yīng)用中使用。因?yàn)樽x寫器可以確保只激活一定范圍之內(nèi)的射頻卡。
目前使用的多數(shù)系統(tǒng)中，一次只能讀寫一個(gè)射頻卡。射頻卡之間要保持一定距離，確保一次只能有一個(gè)卡在讀寫區(qū)域內(nèi)。讀寫距離長(zhǎng)，射頻卡之間的距離就要大，應(yīng)用起來(lái)很不方便?，F(xiàn)在的射頻卡具有防碰撞的功能，這對(duì)于RFID來(lái)說十分重要。所謂碰撞是指多個(gè)射頻卡進(jìn)入識(shí)別區(qū)域時(shí)信號(hào)互相干擾的情況。具有防碰撞性能的系統(tǒng)可以同時(shí)識(shí)別進(jìn)入識(shí)別距離的所有射頻卡，它的并行工作方式大大提高了系統(tǒng)的效率。
3國(guó)際射頻識(shí)別技術(shù)發(fā)展?fàn)顩r
射頻識(shí)別技術(shù)在國(guó)外發(fā)展得很快。RFID產(chǎn)品種類很多，像德州儀器、Motoro1a、Philips、Microchip等世界著名廠家都生產(chǎn)RFID產(chǎn)品。他們的產(chǎn)品各有特點(diǎn)，自成系列。射頻識(shí)別技術(shù)被廣泛應(yīng)用于工業(yè)自動(dòng)化、商業(yè)自動(dòng)化、交通運(yùn)輸控制管理等眾多領(lǐng)域。如澳大利亞將它的RFID產(chǎn)品用于澳機(jī)場(chǎng)旅客行李管理中并發(fā)揮了出色的作用；瑞士國(guó)家鐵路局在瑞士的全部旅客列車上安裝RFID自動(dòng)識(shí)別系統(tǒng)，調(diào)度員可以實(shí)時(shí)掌握火車運(yùn)行情況，不僅利于管理，還大大減小了發(fā)生事故的可能性；德國(guó)BMW公司將射頻識(shí)別系統(tǒng)應(yīng)用在汽車生產(chǎn)流水線的生產(chǎn)過程控制中等。
據(jù)有關(guān)權(quán)威數(shù)據(jù)顯示，射頻識(shí)別
產(chǎn)品在全世界的銷量以每年25.3%的比例增長(zhǎng)。由此可見，射頻識(shí)別技術(shù)具有廣闊的市場(chǎng)前景。
4射頻識(shí)別技術(shù)在我國(guó)的發(fā)展
我國(guó)政府在1993年制定的金卡工程實(shí)施計(jì)劃，是一個(gè)旨在加速推動(dòng)我國(guó)國(guó)民經(jīng)濟(jì)信息化進(jìn)程的重大國(guó)家級(jí)工程，由此各種自動(dòng)識(shí)別技術(shù)的發(fā)展及應(yīng)用十分迅猛?，F(xiàn)在，射頻識(shí)別技術(shù)作為一種新興的自動(dòng)識(shí)別技術(shù)，也將在中國(guó)很快地普及。
目前，我國(guó)的射頻識(shí)別技術(shù)在下列幾種應(yīng)用中發(fā)展前景較好。當(dāng)然，這里僅僅羅列了射頻識(shí)別技術(shù)應(yīng)用的一部分。任何一種技術(shù)如果得到普及，都將會(huì)孕育一個(gè)龐大的市場(chǎng)。射頻識(shí)別將是未來(lái)一個(gè)新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。
4.1安全防護(hù)領(lǐng)域
(1)門禁保安
將來(lái)的門禁保安系統(tǒng)均可應(yīng)用射頻卡。一卡可以多用。比如，可以作工作證、出入證、停車卡、飯店住宿卡甚至旅游護(hù)照等，目的都是識(shí)別人員身份、安全管理、收費(fèi)等等。好處是簡(jiǎn)化出入手續(xù)、提高工作效率、安全保護(hù)。只要人員佩戴了封裝成ID卡大小的射頻卡、進(jìn)出入口有一臺(tái)讀寫器，人員出入時(shí)自動(dòng)識(shí)別身份，非法闖入會(huì)有報(bào)警。安全級(jí)別要求高的地方、還可以結(jié)合其它的識(shí)別方式，將指紋、掌紋或顏面特征存入射頻卡。
公司還可以用射頻卡保護(hù)和跟蹤財(cái)產(chǎn)。將射頻卡貼在物品上面，如計(jì)算機(jī)、傳真機(jī)、文件、復(fù)印機(jī)或其它實(shí)驗(yàn)室用品上。該射頻卡使得公司可以自動(dòng)跟蹤管理這些有價(jià)值的財(cái)產(chǎn)，可以跟蹤一個(gè)物品從某一建筑離開，或是用報(bào)警的方式限制物品離開某地。結(jié)合GPS系統(tǒng)利用射頻卡，還可以對(duì)貨柜車、貨艙等進(jìn)行有效跟蹤。
(2)汽車防盜
這是RFID較新的應(yīng)用。目前已經(jīng)開發(fā)出了足夠小的、能夠封裝到汽車鑰匙當(dāng)中含有特定碼字的射頻卡。它需要在汽車上裝有讀寫器，當(dāng)鑰匙插入到點(diǎn)火器中時(shí)，讀寫器能夠辨別鑰匙的身份。如果讀寫器接收不到射頻卡發(fā)送來(lái)的特定信號(hào)，汽車的引擎將不會(huì)發(fā)動(dòng)。用這種電子驗(yàn)證的方法，汽車的中央計(jì)算機(jī)也就能容易防止短路點(diǎn)火。
另一種汽車防盜系統(tǒng)是，司機(jī)自己帶有一射頻卡，其發(fā)射范圍是在司機(jī)座椅45~55cm以內(nèi)，讀寫器安裝在座椅的背部。當(dāng)讀寫器讀取到有效的ID號(hào)時(shí)，系統(tǒng)發(fā)出三聲鳴叫，然后汽車引擎才能啟動(dòng)。該防盜系統(tǒng)還有另一強(qiáng)大功能：倘若司機(jī)離開汽車并且車門敞開引擎也沒有關(guān)閉，這時(shí)讀寫器就需要讀取另一有效ID號(hào)；假如司機(jī)將該射頻卡帶離汽車，這樣讀寫器不能讀到有效ID號(hào)，引擎就會(huì)自動(dòng)關(guān)閉，同時(shí)觸發(fā)報(bào)警裝置。
(3)電子物品監(jiān)視系統(tǒng)
電子物品監(jiān)視系統(tǒng)(ElectronicArticleSurveillance,EAS)的目的是防止商品被盜。整個(gè)系統(tǒng)包括貼在物體上的一個(gè)內(nèi)存容量?jī)H為1比特(即開或關(guān))的射頻卡，和商店出口處的讀寫器。射頻卡在安裝時(shí)被激活。在激活狀態(tài)下，射頻卡接近掃描器時(shí)會(huì)被探測(cè)到，同時(shí)會(huì)報(bào)警。如果貨物被購(gòu)買，由銷售人員用專用工具拆除射頻卡(典型的是在服裝店里)，或者用磁場(chǎng)來(lái)使射頻卡失效，或者直接破壞射頻卡本身的電特性。EAS系統(tǒng)已被廣泛使用。據(jù)估計(jì)每年消耗60億套。
4.2商品生產(chǎn)銷售領(lǐng)域
(1)生產(chǎn)線自動(dòng)化
用RFID技術(shù)在生產(chǎn)流水線上實(shí)現(xiàn)自動(dòng)控制、監(jiān)視，提高生產(chǎn)率，改進(jìn)生產(chǎn)方式，節(jié)約了成本。舉個(gè)例子以說明在生產(chǎn)線上應(yīng)用RFID技術(shù)的情況。
用于汽車裝配流水線。德國(guó)寶馬汽車公司在裝配流水線上應(yīng)用射頻卡，以盡可能大量地生產(chǎn)用戶定制的汽車。寶馬汽車的生產(chǎn)是基于用戶提出的要求式樣而生產(chǎn)的。用戶可以從上萬(wàn)種內(nèi)部和外部選項(xiàng)中，選定自己所需車的顏色、引擎型號(hào)和輪胎式樣等。這樣一來(lái)，汽車裝配流水線上就得裝配上百種式樣的寶馬汽車，如果沒有一個(gè)高度組織的、復(fù)雜的控制系統(tǒng)是很難完成這樣復(fù)雜的任務(wù)的。寶馬公司在其裝配流水線上配有RFID系統(tǒng)，使用可重復(fù)使用的射頻卡。該射頻卡上帶有汽車所需的所有詳細(xì)的要求，在每個(gè)工作點(diǎn)處都有讀寫器，這樣可以保證汽車在各個(gè)流水線位置，能毫不出錯(cuò)地完成裝配任務(wù)。
(2)倉(cāng)儲(chǔ)管理
將RFID系統(tǒng)用于智能倉(cāng)庫(kù)貨物管理，能有效地解決與貨物流動(dòng)有關(guān)的信息管理，不但增加了處理貨物的速度，還可監(jiān)視貨物的一切信息。射頻卡貼在貨物所通過的倉(cāng)庫(kù)大門邊上，讀寫器和天線都放在叉車上，每個(gè)貨物都貼有條碼，所有條碼信息都被存儲(chǔ)在倉(cāng)庫(kù)的中央計(jì)算機(jī)里，與該貨物有關(guān)的信息都能在計(jì)算機(jī)里查到。當(dāng)貨物出庫(kù)時(shí)，由另一讀寫器識(shí)別并告知中央計(jì)算它被放在哪個(gè)拖車上。這樣，管理中心可以實(shí)時(shí)地了解到已經(jīng)生產(chǎn)了多少產(chǎn)品和發(fā)送了多少產(chǎn)品。
(3)產(chǎn)品防偽
偽造問題在世界各地都是令人頭疼的問題，將射頻識(shí)別技術(shù)應(yīng)用在防偽領(lǐng)域有它自身的技術(shù)優(yōu)勢(shì)。防偽技術(shù)本身要求成本低，且難于偽造。射頻卡的成本就相對(duì)便宜，而芯片的制造需要有昂貴的芯片工廠，使偽造者望而卻步。射頻卡本身有內(nèi)存，可以儲(chǔ)存、修改與產(chǎn)品有關(guān)的數(shù)據(jù)，利于銷售商使用；體積十分小、便于產(chǎn)品封裝。像電腦、激光打印機(jī)、電視等產(chǎn)品上都可使用。
(4)RFID卡收費(fèi)
國(guó)外的各種交易大多利用各種卡來(lái)完成，而我國(guó)普遍采用現(xiàn)金交易。現(xiàn)金交易不方便也不安全，還容易出現(xiàn)稅收的漏洞。目前的收費(fèi)卡多用磁卡、IC卡，而射頻卡也開始占據(jù)市場(chǎng)。原因是在一些惡劣的環(huán)境中，磁卡、IC卡容易損壞，而射頻卡則不易磨損，也不怕靜電及其它情況；同時(shí)，射頻卡用起來(lái)方便、快捷，甚至不用打開包，在讀寫器前搖晃一下，就完成收費(fèi)。另外，還可同時(shí)識(shí)別幾張卡．并行收費(fèi)，如公共汽車上的電子月票。我國(guó)大城市的公共汽車異常擁擠、環(huán)境條件差，射頻卡的使用有助于改善這種情況。
4.3管理與數(shù)據(jù)統(tǒng)計(jì)領(lǐng)域
(1)畜牧管理
該領(lǐng)域的發(fā)展起步于賽馬的識(shí)別，是用小玻璃封裝的射頻卡植于動(dòng)物皮下。射頻卡大約10mm長(zhǎng)，內(nèi)有一個(gè)線圈，約1000圈的細(xì)線繞在鐵氧體上，讀寫距離是十幾cm。從賽馬識(shí)別發(fā)展到了標(biāo)識(shí)牲畜。牲畜的識(shí)別提供了現(xiàn)代化管理牧場(chǎng)的方法。
(2)運(yùn)動(dòng)計(jì)時(shí)
在馬拉松比賽中，由于人員太多，有時(shí)第一個(gè)出發(fā)的人同最后一個(gè)出發(fā)的人能相隔40分鐘。如果沒有一個(gè)精確的計(jì)時(shí)裝置，就會(huì)出現(xiàn)差錯(cuò)。射頻卡應(yīng)用于馬拉松比賽中，運(yùn)動(dòng)員在自己的鞋帶上很方便地系上射頻卡，在比賽的起跑線和終點(diǎn)線處放置帶有微型天線的小墊片。當(dāng)運(yùn)動(dòng)員越過此墊片時(shí)，計(jì)時(shí)系統(tǒng)便會(huì)接收運(yùn)動(dòng)員所帶的射頻卡發(fā)出的ID號(hào)，并記錄當(dāng)時(shí)的時(shí)間。這樣，每個(gè)運(yùn)動(dòng)員都會(huì)有自己的起始時(shí)間和結(jié)束時(shí)間，不會(huì)出現(xiàn)不公平競(jìng)爭(zhēng)的可能性了。在比賽路線中，如果每隔5km就設(shè)置這樣一個(gè)墊片，還可以很方便地記錄運(yùn)動(dòng)員在每個(gè)階段所用的時(shí)間。
RFID還可應(yīng)用于汽車大獎(jiǎng)賽上的精確計(jì)時(shí)。在跑道下面按照一定的距離間隔埋入一系列的
天線，這些天線與讀寫器相連，而射頻卡安裝到賽車前方。當(dāng)賽車每越過一個(gè)天線時(shí)，賽車的ID號(hào)和時(shí)間就被記錄下來(lái)，并存儲(chǔ)到中央計(jì)算機(jī)內(nèi)。這樣到比賽結(jié)束時(shí)，每個(gè)參賽選手將會(huì)有一個(gè)準(zhǔn)確的結(jié)果。
4.4交通運(yùn)輸領(lǐng)域
(1)高速公路自動(dòng)收費(fèi)及交通管理
高速公路自動(dòng)收費(fèi)系統(tǒng)是射頻識(shí)別技術(shù)最成功的應(yīng)用之一。目前，中國(guó)的高速公路發(fā)展非?？欤咚俟肥召M(fèi)卻存在一些問題：一是在收費(fèi)站口，許多車輛要停車排隊(duì)，成為交通瓶頸問題；二是少數(shù)不法的收費(fèi)員貪污路費(fèi)，使國(guó)家損失了相當(dāng)?shù)呢?cái)政收入。RFID技術(shù)應(yīng)用在高速公路自動(dòng)收費(fèi)上，能夠充分體現(xiàn)它非接觸識(shí)別的優(yōu)勢(shì)——讓車輛高速通過收費(fèi)站的同時(shí)自動(dòng)完成收費(fèi)，同時(shí)可以解決收費(fèi)員貪污路費(fèi)及交通擁堵的問題。利用射頻識(shí)別技術(shù)的不停車高速公路自動(dòng)收費(fèi)系統(tǒng)是將來(lái)的發(fā)展方向；人工收費(fèi)，包括IC卡的停車收費(fèi)方式，終將會(huì)被淘汰。預(yù)計(jì)在未來(lái)10年內(nèi)，高速公路自動(dòng)收費(fèi)系統(tǒng)將有數(shù)十億元的需求。
在城市交通方面，解決交通日趨擁擠問題不能只依賴于修路。加強(qiáng)交通的指揮、控制、疏導(dǎo)，提高道路的利用率，深挖現(xiàn)有交通潛能也是非常重要的；而基于RFID技術(shù)的交通管理系統(tǒng)可實(shí)現(xiàn)自動(dòng)查處違章車輛，記錄違章情況。另外，公共汽車站實(shí)時(shí)跟蹤指示公共汽車到站時(shí)間及自動(dòng)顯示乘客信息，會(huì)給乘客帶來(lái)很大的方便。
(2)火車和貨運(yùn)集裝箱的識(shí)別
在火車運(yùn)營(yíng)中，使用RFID系統(tǒng)很大的優(yōu)勢(shì)在于：火車是按既定路線運(yùn)行的，因此肯定要通過設(shè)定的讀寫器的地點(diǎn)。通過讀到的數(shù)據(jù)，能夠得到火車的身份、監(jiān)控火車的完整性，以防止遺漏在鐵軌上的車廂發(fā)生撞車事故，同時(shí)能在車站將車廂重新編組。起初的努力是用超音波和雷達(dá)測(cè)距系統(tǒng)讀出車廂側(cè)的條碼，現(xiàn)在被RFID系統(tǒng)取代。射頻卡一般安在車廂頂邊，讀寫器安在鐵路沿線，就可得到火車的實(shí)時(shí)信息及車廂內(nèi)裝的物品信息。
目前，射頻自動(dòng)識(shí)別系統(tǒng)的安裝遍布全國(guó)14個(gè)鐵路局。2001年3月1日，鐵道部正式聯(lián)網(wǎng)啟用車次車號(hào)自動(dòng)識(shí)別系統(tǒng)，為自備車企業(yè)、合資鐵路和地方鐵路實(shí)現(xiàn)信息化智能運(yùn)輸管理提供了重要良機(jī)。
關(guān)鍵詞:對(duì)象識(shí)別；可擴(kuò)展性；相似度；記錄對(duì)
中圖分類號(hào)：TP399文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2012)21-5032-03
Review of Object Identification Research
CHANG Ming1，NI De-qiang1,CHENG Tao-yuan2
(1.Anshan Radio and Television Bureau,Anshan 114001,China; 2.Beijing Baidu Network Technology Co., Ltd., Beijing 100080, China)
Abstract：Data quality directly determines the quality of information service. About data quality problems, it is one of the most critical is sues to identify a number of records (representation) of the same real entities (objects). It is called object identification. This paper analyzed the recent technical development of object identification. give some recent research methods and problems about efficiency of scalability, at tribute value similarity judgments, record pairs similarity judgment, set model similarity judgment.
Key words：object identification; scalability; similarity; record pair
1959年H. Newcombe等人第一次提出了對(duì)象識(shí)別的概念[1]，文獻(xiàn)[2]則為對(duì)象識(shí)別提出了正式理論，并且提出了一整套的統(tǒng)計(jì)學(xué)方法來(lái)計(jì)算匹配的參數(shù)和錯(cuò)誤率。在傳統(tǒng)的對(duì)象識(shí)別研究中，人們主要在解決如下兩個(gè)問題：1）如何計(jì)算記錄對(duì)的相似度；）如何減少需要進(jìn)行相似度計(jì)算的記錄對(duì)數(shù)目。W. E. Winkler在文獻(xiàn)[3]中綜述了當(dāng)時(shí)與對(duì)象識(shí)別相關(guān)的研究工作。幾年過去了，對(duì)象識(shí)別領(lǐng)域的研究又取得了很大的進(jìn)展，而且最近幾年出現(xiàn)了一些新的模型和方法，突破了傳統(tǒng)對(duì)象識(shí)別中基于兩條記錄計(jì)算相似度的思想。
很高，而且容易出錯(cuò)。
傳統(tǒng)的方法只是考慮如何利用本地?cái)?shù)據(jù)庫(kù)中的信息進(jìn)行對(duì)象識(shí)別，在很多情況下，僅僅利用本地?cái)?shù)據(jù)庫(kù)的信息無(wú)法獲得很好的對(duì)象識(shí)別結(jié)果。對(duì)象識(shí)別產(chǎn)生的很多模糊匹配，如果能夠找到一些其他的信息就可以判斷出來(lái)時(shí)匹配還是不匹配了。例如，對(duì)于兩個(gè)人名“Bob Smith”和“Robert Smith”，采用字符串相似度判斷時(shí)，由于他們的相似度沒有高于閾值，所以會(huì)被認(rèn)為是一個(gè)模糊匹配。但是在英文里作為人名的一部分時(shí)，“Bob”和“Robert”是一對(duì)可以互相交換的詞。如果有一個(gè)輔助數(shù)據(jù)源可以提供這樣的信息，那么就可以判斷這個(gè)模糊匹配“Bob Smith”和“Robert Smith”是相同的人名。提出了一種利用輔助數(shù)據(jù)源查找額外信息，結(jié)合已有得信息進(jìn)行判斷的方法。由于查詢輔助數(shù)據(jù)源會(huì)導(dǎo)致延遲，而且還可能會(huì)導(dǎo)入錯(cuò)誤等，系統(tǒng)只是在產(chǎn)生模糊匹配的時(shí)候才會(huì)去利用中間件進(jìn)行查詢。采用這樣的模型，可以提高基于網(wǎng)絡(luò)的對(duì)象識(shí)別的準(zhǔn)確率和查全率。但是，論文中的輔助數(shù)據(jù)源是一些特定的數(shù)據(jù)源，需要提前知道數(shù)據(jù)源的模式，獲得使用權(quán)限等。這樣的要求大大限制了模型的適用范圍，不能作為一種通用的模型進(jìn)行推廣。在不存在特定輔助數(shù)據(jù)源的情況下，研究中則提出了一種利用網(wǎng)絡(luò)數(shù)據(jù)進(jìn)行相關(guān)人員判斷的方法。提出了一種利用網(wǎng)絡(luò)，通過無(wú)監(jiān)督學(xué)習(xí)解決“同名不同人”問題的方法。這些研究工作都很好地解決了各自論文中提出的問題。但是由于他們提出問題或者帶有特殊的背景知識(shí)（需要知道多個(gè)人之間是熟人關(guān)系），或者要求提前知道查找出的網(wǎng)頁(yè)符合一定的模板，這些利用網(wǎng)絡(luò)識(shí)別同名不同人的系統(tǒng)通用性不強(qiáng)。
1.4集合模型的判斷
隨著應(yīng)用的發(fā)展，僅僅根據(jù)兩條記錄的信息已經(jīng)無(wú)法很好的判斷對(duì)應(yīng)表象是否匹配了。在數(shù)據(jù)庫(kù)中，一個(gè)表象不僅在需要進(jìn)行比較的記錄中有信息，還會(huì)存在一些其他的聯(lián)系信息。如何更好的利用這些聯(lián)系信息是最近的研究工作的重點(diǎn)。
由于論文數(shù)據(jù)庫(kù)的特點(diǎn)，作者名字的對(duì)象識(shí)別過程也就是盡量利用相關(guān)信息的過程。中最初提出了利用作者表象的上下文信息，也就是利用了和要識(shí)別的作者名字直接聯(lián)系的一層信息?？紤]到可能會(huì)存在的一個(gè)人名對(duì)應(yīng)多個(gè)作者對(duì)象的問題，這樣的一層信息還是相對(duì)比較可靠的。等工作開始利用表象的多層聯(lián)系進(jìn)行計(jì)算，雖然這樣的方法可以利用更多的信息，但是“同名不同人”問題的存在會(huì)使得這些工作的準(zhǔn)確率很受影響。而且，這些工作都是基于SimRank或者SimFusion模型，算法的空間復(fù)雜度是O(n2)，運(yùn)行時(shí)間會(huì)較長(zhǎng)。而基于依賴關(guān)系的對(duì)象識(shí)別則考慮到了識(shí)別的先后順序，可以利用首先識(shí)別出來(lái)的對(duì)象輔助后面的模糊匹配的識(shí)別。與以前的工作相比，這樣的工作更加符合人的邏輯判斷過程。上面的工作只是簡(jiǎn)單的利用了多層關(guān)系。在論文數(shù)據(jù)庫(kù)中，對(duì)象之間會(huì)存在依賴關(guān)系，不僅記錄之間會(huì)存在依賴關(guān)系，不同的屬性值之間也會(huì)存在這樣的關(guān)系。進(jìn)行對(duì)象識(shí)別時(shí)，利用眾多表象之間的關(guān)系，首先識(shí)別出來(lái)的對(duì)象可以向正在識(shí)別的表象提供有用的信息，而傳統(tǒng)的對(duì)象識(shí)別工作沒有考慮這樣的依賴關(guān)系。提出基于依賴關(guān)系進(jìn)行對(duì)象識(shí)別的工作。在基于依賴關(guān)系進(jìn)行對(duì)象識(shí)別的工作中，一個(gè)模糊匹配的成功識(shí)別可以獲得一定的知識(shí)，利用這樣的知識(shí)可以輔助別的節(jié)點(diǎn)進(jìn)行識(shí)別。在利用依賴關(guān)系時(shí)，首先判斷容易判斷的對(duì)象，然后再來(lái)進(jìn)行更加模糊的對(duì)象判斷。
不僅在論文數(shù)據(jù)庫(kù)中可以使用集合模型，在其他的數(shù)據(jù)庫(kù)中只要記錄中間存在某些聯(lián)系，也可以使用這樣的模型。研究了在數(shù)據(jù)庫(kù)的各個(gè)表中間存在層次關(guān)系時(shí)，如何利用這些關(guān)系進(jìn)行對(duì)象識(shí)別的問題。數(shù)據(jù)庫(kù)中多個(gè)表之間可能會(huì)存在一定的層次關(guān)系，例如表A是關(guān)于不同國(guó)家的數(shù)據(jù)，表B是不同國(guó)家中州（或者?。┑臄?shù)據(jù)。這樣的兩個(gè)表通過主外鍵關(guān)系就存在一個(gè)層次關(guān)系。在這樣的數(shù)據(jù)庫(kù)中進(jìn)行對(duì)象識(shí)別時(shí)，除了可以計(jì)算兩個(gè)表象的文本相似度之外，還可以利用兩個(gè)表象的孩子節(jié)點(diǎn)覆蓋（overlap）進(jìn)行判斷。一般說來(lái)，如果兩個(gè)表象屬于同一個(gè)對(duì)象，它們的孩子節(jié)點(diǎn)會(huì)對(duì)應(yīng)較大的覆蓋。例如，country表中的“USA”和“United States of America”都在state表中對(duì)應(yīng)著“MO”，“CA”，“AL”等，那么在判斷“USA”和“United States of America”是否對(duì)應(yīng)同一對(duì)象時(shí)，雖然他們的文本相似度不是很高，但是由于他們下一級(jí)的state數(shù)據(jù)覆蓋很大，可以判斷它們是同一國(guó)家的名字。
關(guān)鍵詞：模糊控制；人工神經(jīng)網(wǎng)絡(luò)；人臉識(shí)別
中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2011)16-3904-03
隨著人工智能技術(shù)的飛速發(fā)展，機(jī)器視覺已經(jīng)成為當(dāng)前人工智能研究領(lǐng)域的一大熱點(diǎn)，很多國(guó)家的研究人員都開展了對(duì)機(jī)器視覺的研究，其中以機(jī)器視覺識(shí)別人臉最為困難，這主要是因?yàn)槿说拿娌繋в斜砬椋煌娜司哂胁煌哪?，而不同的臉具有不同的表情，不同的表情則具有不同的面部特征，如何讓計(jì)算機(jī)通過機(jī)器視覺高效率的識(shí)別人臉，成為當(dāng)前機(jī)器視覺和智能機(jī)器人關(guān)鍵技術(shù)領(lǐng)域的技術(shù)難題。
隨著模糊邏輯控制算法和人工神經(jīng)網(wǎng)絡(luò)算法的發(fā)展，對(duì)于機(jī)器視覺識(shí)別人臉特征的算法也有了新的發(fā)展，目前多數(shù)研究算法所采用的人臉識(shí)別從實(shí)現(xiàn)技術(shù)上來(lái)說，主要可以分為以下幾個(gè)類別：
1) 基于人臉幾何特征進(jìn)行的識(shí)別算法，該算法運(yùn)算量較小，原理簡(jiǎn)單直觀，但是識(shí)別率較低，適合應(yīng)用于人群面部的分類，而不適宜于每一個(gè)人臉的識(shí)別。
2) 基于人臉特征的匹配識(shí)別算法，這種算法是預(yù)先構(gòu)建常見的人臉特征以及人臉模板，構(gòu)成人臉特征庫(kù)，將被識(shí)別的人臉與特征庫(kù)中的人臉進(jìn)行逐一比對(duì)，從而實(shí)現(xiàn)人臉識(shí)別，該算法識(shí)別效率較高，但是應(yīng)用有一定局限性，只能夠識(shí)別預(yù)先設(shè)立的人臉特征庫(kù)中的人臉模型，因此人臉特征庫(kù)就成為該算法實(shí)現(xiàn)的技術(shù)關(guān)鍵。
3) 基于統(tǒng)計(jì)的人臉識(shí)別算法，該算法將人臉面部進(jìn)行特征參數(shù)的劃分，如兩眼距離大小，五官之間距離等，通過構(gòu)建統(tǒng)計(jì)特征參數(shù)模型實(shí)現(xiàn)對(duì)人臉模型的識(shí)別，該算法識(shí)別率較高，但是算法實(shí)現(xiàn)起來(lái)運(yùn)算量比較大，且識(shí)別效率較低。
4) 基于模糊邏輯的人臉識(shí)別算法，這一類算法主要結(jié)合了模糊邏輯和神經(jīng)網(wǎng)絡(luò)能夠自我訓(xùn)練學(xué)習(xí)的機(jī)制實(shí)現(xiàn)對(duì)人臉的識(shí)別，識(shí)別率較高，且算法運(yùn)算量適中，但是算法的原理較難理解，且模糊邏輯控制規(guī)則的建立存在一定技術(shù)難度。
本論文主要結(jié)合模糊人工神經(jīng)網(wǎng)絡(luò)方法，將其應(yīng)用于計(jì)算機(jī)人臉識(shí)別，以期從中能夠找到有效可靠的人臉識(shí)別方法及其算法應(yīng)用，并以此和廣大同行分享。
1 模糊邏輯及人工神經(jīng)網(wǎng)絡(luò)在圖像辨識(shí)中的應(yīng)用可行性分析
1) 人臉識(shí)別的技術(shù)難點(diǎn)
由于計(jì)算機(jī)只能夠認(rèn)識(shí)0和1，任何數(shù)據(jù)，包括圖像，都必須要轉(zhuǎn)化為0和1才能夠被計(jì)算機(jī)識(shí)別，這樣就帶來(lái)一個(gè)很復(fù)雜很棘手的問題：如何將成千上萬(wàn)的帶有不同表情的人臉轉(zhuǎn)變?yōu)閿?shù)字信號(hào)并被計(jì)算機(jī)識(shí)別。由于人的面部帶有表情，不同的人具有不同的臉，而不同的臉具有不同的表情，不同的表情則具有不同的面部特征，因此這些都成為了計(jì)算機(jī)識(shí)別人臉特征的技術(shù)難點(diǎn)，具體來(lái)說，人臉實(shí)現(xiàn)計(jì)算機(jī)識(shí)別的主要技術(shù)難度包括：
① 人臉表情：人有喜怒哀樂等不同表情，不同的表情具有不同的面部特征，因此如何分辨出不同表情下的人臉特征，這是首要的技術(shù)難點(diǎn)；
② 光線陰影的變換：由于人臉在不同光線照射下會(huì)產(chǎn)生陰影，而陰影敏感程度的不一也會(huì)增加計(jì)算機(jī)識(shí)別人臉特征的難度；
③ 其他因素：如人隨著年齡的增長(zhǎng)面部特征會(huì)發(fā)生些微變化，人臉部分因?yàn)檠b飾或者帽飾遮擋而增加識(shí)別難度，以及人臉側(cè)面不同姿態(tài)也會(huì)對(duì)計(jì)算機(jī)識(shí)別帶來(lái)技術(shù)難度。
2) 模糊人工神經(jīng)網(wǎng)絡(luò)在人臉辨識(shí)中的應(yīng)用可行性
如上分析所示，計(jì)算機(jī)識(shí)別人臉，需要考慮的因素太多，并且每一種因素都不是線性化處理那么簡(jiǎn)單，為此，必須要引入新的處理技術(shù)及方法，實(shí)現(xiàn)計(jì)算機(jī)對(duì)人臉的高效識(shí)別。根據(jù)前人的研究表明，模糊人工神經(jīng)網(wǎng)絡(luò)算法是非常有效的識(shí)別算法。
模糊理論和神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來(lái)人工智能研究較為活躍的兩個(gè)領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是模擬人腦結(jié)構(gòu)的思維功能，具有較強(qiáng)的自學(xué)習(xí)和聯(lián)想功能，人工干預(yù)少，精度較高，對(duì)專家知識(shí)的利用也較少。但缺點(diǎn)是它不能處理和描述模糊信息，不能很好利用已有的經(jīng)驗(yàn)知識(shí)，特別是學(xué)習(xí)及問題的求解具有黑箱特性，其工作不具有可解釋性，同時(shí)它對(duì)樣本的要求較高;模糊系統(tǒng)相對(duì)于神經(jīng)網(wǎng)絡(luò)而言，具有推理過程容易理解、專家知識(shí)利用較好、對(duì)樣本的要求較低等優(yōu)點(diǎn)，但它同時(shí)又存在人工干預(yù)多、推理速度慢、精度較低等缺點(diǎn)，很難實(shí)現(xiàn)自適應(yīng)學(xué)習(xí)的功能，而且如何自動(dòng)生成和調(diào)整隸屬度函數(shù)和模糊規(guī)則，也是一個(gè)棘手的問題。如果將二者有機(jī)地結(jié)合起來(lái)，可以起到互補(bǔ)的效果。
模糊邏輯控制的基本原理并非傳統(tǒng)的是與不是的二維判斷邏輯，而是對(duì)被控對(duì)象進(jìn)行閾值的設(shè)計(jì)與劃分，根據(jù)實(shí)際值在閾值領(lǐng)域內(nèi)的變化相應(yīng)的產(chǎn)生動(dòng)態(tài)的判斷邏輯，并將邏輯判斷規(guī)則進(jìn)行神經(jīng)網(wǎng)絡(luò)的自我學(xué)習(xí)，逐漸實(shí)現(xiàn)智能判斷，最終實(shí)現(xiàn)準(zhǔn)確的邏輯判斷。相較于傳統(tǒng)的線性判斷規(guī)則，基于模糊規(guī)則的神經(jīng)網(wǎng)絡(luò)是高度復(fù)雜的非線性網(wǎng)絡(luò)，同時(shí)由于其廣闊的神經(jīng)元分布并行運(yùn)算，大大提高了復(fù)雜對(duì)象（如人臉）識(shí)別計(jì)算的效率，因此，將模糊神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于人臉的智能識(shí)別是完全可行的。
2 基于模糊人工神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別方法研究
2.1 基于模糊神經(jīng)網(wǎng)絡(luò)的人臉識(shí)別分類器設(shè)計(jì)
1) 輸入、輸出層的設(shè)計(jì)：針對(duì)模糊神經(jīng)網(wǎng)絡(luò)層的輸入層和輸出層的特點(diǎn)，需要對(duì)識(shí)別分類器的輸入、輸出層進(jìn)行設(shè)計(jì)。由于使用BP神經(jīng)網(wǎng)絡(luò)作為識(shí)別分類器時(shí)，數(shù)據(jù)源的維數(shù)決定輸入層節(jié)點(diǎn)數(shù)量，結(jié)合到人臉的計(jì)算機(jī)識(shí)別，人臉識(shí)別分類器的輸入輸出層，應(yīng)當(dāng)由人臉特征數(shù)據(jù)庫(kù)的類別數(shù)決定，如果人臉數(shù)據(jù)庫(kù)的類別數(shù)為m，那么輸入、輸出層節(jié)點(diǎn)數(shù)也為m，由m個(gè)神經(jīng)元進(jìn)行分布式并行運(yùn)算，能夠極大提高人臉識(shí)別的輸入和輸出速度。
2) 隱藏層結(jié)點(diǎn)數(shù)的選擇：由于一般的BP神經(jīng)網(wǎng)絡(luò)都是由3層BP網(wǎng)絡(luò)構(gòu)成：輸入層，隱藏層和輸出層，隱層的數(shù)量越多，BP神經(jīng)網(wǎng)絡(luò)越復(fù)雜，那么最終能夠?qū)崿F(xiàn)的運(yùn)算精度就越高，識(shí)別率也就越高；但是隨著隱層數(shù)量的增加，隨之而來(lái)的一個(gè)突出的問題就是神經(jīng)網(wǎng)絡(luò)變的復(fù)雜了，神經(jīng)網(wǎng)絡(luò)自我訓(xùn)練和學(xué)習(xí)的時(shí)間變長(zhǎng)，使得識(shí)別效率相對(duì)下降，因此提高精度和提高效率是應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)的一個(gè)不可避免的矛盾。在這里面向人臉識(shí)別的分類器的設(shè)計(jì)中，仍然采用傳統(tǒng)的3層BP神經(jīng)網(wǎng)絡(luò)構(gòu)建人臉識(shí)別分類器，只設(shè)計(jì)一層隱層，能夠在保障識(shí)別精度的前提下有效的保障神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)和訓(xùn)練的效率，增加人臉識(shí)別的正確率。
3) 初始值的選?。涸谠O(shè)計(jì)了3層BP神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，需要確定神經(jīng)網(wǎng)絡(luò)的輸入初始值。由于模糊神經(jīng)網(wǎng)絡(luò)是非線性的，不但具有線性網(wǎng)絡(luò)的全部?jī)?yōu)點(diǎn)，同時(shí)還具有收斂速度快等特點(diǎn)，而初始值的選取在很大程度上影響神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練時(shí)間的長(zhǎng)短，以及是否最終能夠?qū)崿F(xiàn)收斂輸出得到最優(yōu)值。如果初始值太大，那么對(duì)于初始值加權(quán)運(yùn)算后的輸出變化率趨向于零，從而使得神經(jīng)網(wǎng)絡(luò)自我學(xué)習(xí)訓(xùn)練趨向于停止，最終無(wú)法得到收斂的最優(yōu)值；相反，我們總是希望初始值在經(jīng)過每一次加權(quán)運(yùn)算后的輸出都接近于零，從而能夠保證每一個(gè)參與運(yùn)算的神經(jīng)元都能夠進(jìn)行調(diào)節(jié)，最終實(shí)現(xiàn)快速的收斂。為此，這里將人臉識(shí)別的初始值設(shè)定在[0，0.2]之間，初始運(yùn)算的權(quán)值設(shè)定在[0，0.1]之間，這樣都不太大的輸入初始值和權(quán)值初始值能夠有效的保證神經(jīng)網(wǎng)絡(luò)快速的收斂并得到最優(yōu)值。
如果收斂速度太慢，則需要重新設(shè)置權(quán)值和閾值。權(quán)值和閾值由單獨(dú)文件保存，再一次進(jìn)行訓(xùn)練時(shí)，直接從文件導(dǎo)出權(quán)值和閾值進(jìn)行訓(xùn)練，不需要進(jìn)行初始化，訓(xùn)練后的權(quán)值和閾值直接導(dǎo)入文件。
2.2 人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法步驟
1) 神經(jīng)網(wǎng)絡(luò)的逐層設(shè)計(jì)步驟：神經(jīng)網(wǎng)絡(luò)需要按層進(jìn)行設(shè)計(jì)，構(gòu)建信號(hào)輸入層、模糊層以及輸出層，同時(shí)還要構(gòu)建模糊化規(guī)則庫(kù)，以構(gòu)建神經(jīng)網(wǎng)絡(luò)模糊算法的完整輸入輸出條件。具體構(gòu)建人臉識(shí)別的神經(jīng)網(wǎng)絡(luò)層可以按照下述步驟執(zhí)行：
Step 1，構(gòu)建信號(hào)輸入層，以視覺攝像頭為坐標(biāo)原點(diǎn)構(gòu)建人臉識(shí)別坐標(biāo)系統(tǒng)，這里推薦采用極坐標(biāo)系統(tǒng)構(gòu)建識(shí)別坐標(biāo)系，以人臉平面所處的角度與距離作為信號(hào)的輸入層，按照坐標(biāo)系的變換得到神經(jīng)網(wǎng)絡(luò)信號(hào)輸入的距離差值和角度差值Δρ，Δθ，作為完整的輸入信號(hào)。
Step 2，構(gòu)建模糊化層，將上一層信號(hào)輸入層傳輸過來(lái)的系統(tǒng)人臉識(shí)別信號(hào)Δρ與Δθ進(jìn)行向量傳輸，將模糊化層中的每一個(gè)節(jié)點(diǎn)直接與輸入信號(hào)向量的分量相連接，并進(jìn)行信號(hào)矢量化傳輸；同時(shí)在傳輸?shù)倪^程中，根據(jù)模糊化規(guī)則庫(kù)的條件制約，對(duì)每一個(gè)信號(hào)向量的傳輸都使用模糊規(guī)則，具體可以采用如下的隸屬度函數(shù)來(lái)進(jìn)行模糊化處理：
(1)
其中c ij 和σij分別表示隸屬函數(shù)的中心和寬度。
Step 3，構(gòu)建信號(hào)輸出層，將模糊化層經(jīng)過模糊處理之后的信號(hào)進(jìn)行清晰化運(yùn)算，并作為最終結(jié)果輸出。
關(guān)于模糊規(guī)則庫(kù)的建立，目前所用的方法都是普遍所采用的匹配模糊規(guī)則，即計(jì)算每一個(gè)傳輸節(jié)點(diǎn)在模糊規(guī)則上的適用度，適用就進(jìn)行模糊化規(guī)則匹配并進(jìn)行模糊化處理，不適用則忽略該模糊規(guī)則并依次向下行尋找合適的模糊規(guī)則。當(dāng)所有的，模糊規(guī)則構(gòu)建好之后，需要對(duì)每條規(guī)則的適用度進(jìn)行歸一化運(yùn)算，運(yùn)算方法為：
(2)
2) 人臉的識(shí)別算法按如下步驟執(zhí)行：
Step 1：一個(gè)樣本向量被提交給網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元；
Step 2：計(jì)算它們與輸入樣本的相似度di；
Step 3：由競(jìng)爭(zhēng)函數(shù)計(jì)算出競(jìng)爭(zhēng)獲勝的神經(jīng)元，若獲勝神經(jīng)元的相似度小于等于相似度門限值ν，則計(jì)算每個(gè)神經(jīng)元的獎(jiǎng)懲系數(shù)γi，否則添加新的神經(jīng)元；
Step 4：根據(jù)學(xué)習(xí)算法更新神經(jīng)元或?qū)⑿绿砑拥纳窠?jīng)元的突觸權(quán)值置為x；
Step 5：學(xué)習(xí)結(jié)束后，判斷是否有錯(cuò)誤聚類存在，有則刪除。
其中，
(3)
di是第i個(gè)神經(jīng)元的相似度值，β為懲罰度系數(shù)，ν為相似度的門限值。γ的計(jì)算方法是對(duì)一個(gè)輸入樣本x，若競(jìng)爭(zhēng)獲勝神經(jīng)元k的相似度dk≤ν，則獲勝神經(jīng)元的γk為1，其它神經(jīng)元的γi=-βdi/ν，i≠k；若dk >ν，則添加新的神經(jīng)元并將其突觸權(quán)值置為x。
實(shí)際上，網(wǎng)絡(luò)訓(xùn)練的目的是為了提高本算法的權(quán)值實(shí)用域，即更加精確的實(shí)現(xiàn)對(duì)人臉特征的識(shí)別，從而提高算法的人臉識(shí)別率，當(dāng)訓(xùn)練結(jié)束后，即可輸出結(jié)果。
2.3 算法仿真測(cè)試
為了驗(yàn)證本論文所提出的人臉識(shí)別模糊神經(jīng)網(wǎng)絡(luò)算法的有效性和可靠性，對(duì)該算法進(jìn)行仿真測(cè)試，同時(shí)為了凸顯該算法的有效性，將該算法與傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對(duì)比仿真測(cè)試。
該測(cè)試采集樣本500張人臉圖片，分辨率均為128×128，測(cè)試計(jì)算機(jī)配置為雙核處理器，主頻2.1GHz，測(cè)試軟件平臺(tái)為Matlab，分別構(gòu)建BP神經(jīng)網(wǎng)絡(luò)分類器與本算法的神經(jīng)網(wǎng)絡(luò)分類器，對(duì)500幅人臉圖片進(jìn)行算法識(shí)別測(cè)試。
如表1所示，為傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)算法和本論文算法的仿真測(cè)試結(jié)果對(duì)比表格。
從表1所示的算法檢測(cè)對(duì)比結(jié)果可以發(fā)現(xiàn)：傳統(tǒng)的算法也具有人臉特征的識(shí)別，但是相較于本論文所提出的改進(jìn)后的算法，本論文提出的算法具有更高的人臉特征識(shí)別率，這表明了本算法具有更好的魯棒性，神經(jīng)網(wǎng)絡(luò)模糊算法的執(zhí)行上效率更高，因而本算法是具有實(shí)用價(jià)值的，是值得推廣和借鑒的。
3 結(jié)束語(yǔ)
傳統(tǒng)的圖像識(shí)別技術(shù)，很多是基于大規(guī)模計(jì)算的基礎(chǔ)之上的，在運(yùn)算量和運(yùn)算精度之間存在著不可調(diào)和的矛盾。因人工神經(jīng)網(wǎng)絡(luò)技術(shù)其分布式信息存儲(chǔ)和大規(guī)模自適應(yīng)并行處理滿足了對(duì)大數(shù)據(jù)量目標(biāo)圖像的實(shí)時(shí)處理要求，其高容錯(cuò)性又允許大量目標(biāo)圖像出現(xiàn)背景模糊和局部殘缺。相對(duì)于其他方法而言，利用神經(jīng)網(wǎng)絡(luò)來(lái)解決人臉圖像識(shí)別問題，神經(jīng)網(wǎng)絡(luò)對(duì)問題的先驗(yàn)知識(shí)要求較少，可以實(shí)現(xiàn)對(duì)特征空間較為復(fù)雜的劃分，適用于高速并行處理系統(tǒng)來(lái)實(shí)現(xiàn)。正是這些優(yōu)點(diǎn)決定了模糊神經(jīng)網(wǎng)絡(luò)被廣泛應(yīng)用于包括人臉在內(nèi)的圖像識(shí)別。本論文對(duì)模糊神經(jīng)網(wǎng)絡(luò)在人臉圖像識(shí)別中的應(yīng)用進(jìn)行了算法優(yōu)化設(shè)計(jì)，對(duì)于進(jìn)一步提高模糊神經(jīng)網(wǎng)絡(luò)的研究與應(yīng)用具有一定借鑒意義。
參考文獻(xiàn)：
[1] 石幸利.人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及其應(yīng)用[J].重慶科技學(xué)院學(xué)報(bào):自然科學(xué)版,2006(2):99-101.
[2] 胡小鋒,趙輝.Visral C++/MATLAB圖像處理與識(shí)別實(shí)用案例精選[M].北京:人民郵電出版社,2004.
[3] 戰(zhàn)國(guó)科.基于人工神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別方法研究[D].北京:中國(guó)計(jì)量科學(xué)研究院,2007.
[4] 王麗華.基于神經(jīng)網(wǎng)絡(luò)的圖像識(shí)別系統(tǒng)的研究[D].北京:中國(guó)石油大學(xué),2008.
[5] 范立南,韓曉微,張廣淵.圖像處理與模式識(shí)別[M].北京:科學(xué)出版社,2007.
[6] 金忠.人臉圖像特征抽取與維數(shù)研究[D].南京:南京理工大學(xué),1999.
關(guān)鍵詞： 人臉識(shí)別； 數(shù)據(jù)采集； Adaboos算法； 考勤
中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2017）04-53-03
Abstract： There are two kinds of traditional enterprise time and attendance system， the manual system and the timecard system. The manual system is of great workload and low efficiency， while the timecard system has the phenomenon of fake registration and loss of the card， resulting in a higher cost. Therefore the use of enterprise camera to develop a face-recognition based enterprise time and attendance system can greatly improve the efficiency of enterprise check work attendance and reduce the cost of attendance management. This paper introduces the research and development process and the research results of an enterprise's face-recognition based time and attendance system.
Key words： face recognition； data collection； Adaboos algorithm； check work attendance
0 引言
人臉圖像具有惟一性和穩(wěn)定性，因此人臉識(shí)別廣泛應(yīng)用于刑偵破案、視頻監(jiān)控、表情分析、日常考勤等場(chǎng)合，逐漸成為人們工作和生活中的常用身份驗(yàn)證手段。人臉識(shí)別技術(shù)應(yīng)用于考勤系統(tǒng)，可以充分利用已經(jīng)建好的人臉數(shù)據(jù)庫(kù)資源，更直觀、方便地核查身份。本文對(duì)應(yīng)用于考勤系統(tǒng)的人臉識(shí)別技術(shù)進(jìn)行了研究。
1 系統(tǒng)設(shè)計(jì)概述
本系統(tǒng)包含采集模塊和管理模塊兩大模塊。采集模塊主要包括視頻圖像的采集、處理、人臉檢測(cè)、人臉定位以及跟蹤；管理模塊主要包括人臉識(shí)別管理和考勤管理。系統(tǒng)架構(gòu)和工作流程如圖1所示。
系統(tǒng)分為服務(wù)器端、辦公室端和工廠端三部分。服務(wù)器端負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)和讀寫；辦公室端負(fù)責(zé)軟件系統(tǒng)設(shè)置、考勤人員錄入、人員人臉特征采集、考勤情況統(tǒng)計(jì)等等；工廠端為人員考勤點(diǎn)[1]。
人臉識(shí)別考勤系統(tǒng)的程序流程：管理員通過攝像頭將企業(yè)員工頭像錄入數(shù)據(jù)庫(kù)，員工每次考勤時(shí)將臉部對(duì)準(zhǔn)攝像頭，系統(tǒng)提取頭像，經(jīng)視頻識(shí)別模塊與數(shù)據(jù)庫(kù)中照片比對(duì)，配對(duì)成功后記一次考勤，并將考勤數(shù)據(jù)發(fā)送到考勤數(shù)據(jù)處理模塊?？记跀?shù)據(jù)模塊與企業(yè)財(cái)務(wù)系統(tǒng)對(duì)接，將考勤與員工的工資、獎(jiǎng)金掛鉤。圖2為識(shí)別程序流程圖。
2 數(shù)據(jù)庫(kù)整體框架
本系統(tǒng)首先通過登錄模塊來(lái)確保登錄用戶具有合法性，保障了系統(tǒng)的安全。本文將用戶分為管理員和普通用戶，普通用戶可以查看員工的考勤記錄和修改自己的密碼，而管理員可以對(duì)所有窗口進(jìn)行各種管理操作，如添加、刪除、修改員工基本信息，設(shè)置權(quán)限，添加員工請(qǐng)假信息等。其中本系統(tǒng)中還有一個(gè)人臉庫(kù)，它存儲(chǔ)每一個(gè)員工人臉照片，這些照片經(jīng)過圖像預(yù)處理，分別存放在以員工名字命名的文件夾中，為人臉庫(kù)的訓(xùn)練提供數(shù)據(jù)[2]。
用戶登錄窗口是整個(gè)系統(tǒng)的入口，在用戶成功登錄后就可以按照權(quán)限進(jìn)行相應(yīng)的操作。管理員權(quán)限登錄成功后可以進(jìn)行人臉檢測(cè)、人臉自動(dòng)識(shí)別、保存視頻圖像等功能，而普通用戶就沒有這個(gè)權(quán)限。普通用戶的權(quán)限是可以查詢員工的出勤信息、修改自己的密碼等功能。
用到數(shù)據(jù)庫(kù)的窗體主要有以下三個(gè)。
⑴ 員工注冊(cè)信息窗口，它用于管理員工的基本信息，包括員工信息的添加、刪除、修改和瀏覽等操作。
⑵ 員工出勤窗口，它用來(lái)記錄員工的出勤狀況如是否請(qǐng)假、遲到等，也包括對(duì)請(qǐng)假員工信息的錄入等。
⑶ 查詢窗口，它主要用來(lái)查詢員工的出勤信息，可以按多種條件進(jìn)行查詢，比如按具體的日期、是否遲到、是否請(qǐng)假、正常出勤等條件進(jìn)行查詢[3]。
3 人臉識(shí)別算法的實(shí)現(xiàn)
AdaBoost 算法以根弱學(xué)習(xí)的反饋信息自適應(yīng)性的調(diào)整錯(cuò)誤率下限，這就使得該算法更容易被應(yīng)用于實(shí)際問題。同時(shí)，由于AdaBoost算法在效率上幾乎和原有的Boosting算法相差無(wú)幾，這就使得 Adaboost算法得到了極大的發(fā)展[4]。
Adaboost算法的具體實(shí)現(xiàn)步驟如下。
⑴ 設(shè)輸入M個(gè)訓(xùn)練樣本：{（x1，y1，…，（xm，ym））}，其中Xi∈X，Yi=（+1，-1），初始化樣本權(quán)重D1（i）=1/m，i=1，…，m。
⑵ 對(duì)每次訓(xùn)練都要進(jìn)行一次操作：對(duì)弱分類器空間的每個(gè)弱分類器h進(jìn)行操作為：將樣本空間X劃分為：X1，X2，…，Xn，計(jì)算每個(gè)劃分j=1，…，N及b={+1，-1}之間的區(qū)域標(biāo)識(shí)權(quán)重。得到每個(gè)弱分類器h 在各個(gè)劃分上的輸出值為：
，計(jì)算歸一化因子：。
⑶ 從弱分類器空間中選擇出使歸一化因子Z 最小化的弱分類器h并加入到強(qiáng)分類器中，則：Zmin（Z）。
模塊的輸入為所有訓(xùn)練樣本的特征集，經(jīng)過用戶指定的迭代次數(shù)T次后，共可得到T個(gè)分類能力比較強(qiáng)的弱分類器。在每次迭代時(shí)，根據(jù)訓(xùn)練樣本的權(quán)重來(lái)訓(xùn)練弱分類器，然后根據(jù)弱分類器的判斷結(jié)果和樣本的權(quán)重分布來(lái)選擇出一個(gè)錯(cuò)誤率最小的弱分類器以作為本次迭代選出的分類能力較強(qiáng)的弱分類器 h，最后通過增大h所錯(cuò)分的樣本權(quán)重值來(lái)更新每個(gè)訓(xùn)練樣本的權(quán)值，以便在下次迭代中，使這些被錯(cuò)分的樣本得到更多的重視，經(jīng)過迭代最后共可產(chǎn)生T個(gè)弱分類器，將這些弱分類器組合后便可得到分類能力較強(qiáng)的強(qiáng)分類器[5]。
4 結(jié)論與展望
本文針對(duì)鐳射卡考勤存在的問題，運(yùn)用軟件工程的方法，設(shè)計(jì)實(shí)現(xiàn)了人臉識(shí)別考勤系統(tǒng)，并將其用于廣東順德科晟電子有限公司。
本文主要是做了以下幾方面的內(nèi)容：
⑴ 介紹了人臉識(shí)別的方法原理和比較有特色的人臉識(shí)別及其算法。
⑵ 根據(jù)順德科晟電子有限公司原有考勤管理系統(tǒng)存在的問題，以及當(dāng)前認(rèn)人事考勤管理現(xiàn)狀，論證了對(duì)進(jìn)行人臉識(shí)別考勤系統(tǒng)的必要性和緊迫性。
⑶ 針對(duì)廣東順德科晟電子有限公司的考勤管理系統(tǒng)的現(xiàn)狀，按照軟件工程的思想完成了對(duì)人臉識(shí)別考勤系統(tǒng)的需求分析和系統(tǒng)設(shè)計(jì)。
⑷ 設(shè)計(jì)了人臉識(shí)別考勤系統(tǒng)數(shù)據(jù)庫(kù)和數(shù)據(jù)字典。
⑸ 完成了人臉識(shí)別考勤系統(tǒng)的開發(fā)。
由于本人水平有限，本系統(tǒng)的設(shè)計(jì)和開發(fā)還存在許多不周全之處，在下一步研究中還需要改進(jìn)。
參考文獻(xiàn)（References）：
[1] 齊禮成.基于人臉識(shí)別考勤系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安電子科技大學(xué)碩士學(xué)位論文，2012.
[2] 郭磊.人臉檢測(cè)技術(shù)研究及實(shí)現(xiàn)[D].哈爾濱理工大學(xué)碩士學(xué)位論文，2009.
[3] 劉明寶，姚鴻勛，高文.彩色圖像的時(shí)人臉跟蹤方法[J].計(jì)算機(jī)學(xué)報(bào)，1998.21（6）.
關(guān)鍵詞：風(fēng)險(xiǎn)管理，風(fēng)險(xiǎn)識(shí)別，風(fēng)險(xiǎn)評(píng)價(jià)，風(fēng)險(xiǎn)對(duì)策決策
1.風(fēng)險(xiǎn)涵義的理解
風(fēng)險(xiǎn)的概念至今在學(xué)術(shù)界尚無(wú)統(tǒng)一的定義，我們可以從多種角度理解風(fēng)險(xiǎn)的涵義。主要包括以下四個(gè)方面：（1）風(fēng)險(xiǎn)是一種不確定性。這種不確定性，既是機(jī)會(huì)又是威脅。（2）風(fēng)險(xiǎn)產(chǎn)生損失的后果。（3）風(fēng)險(xiǎn)是預(yù)期和后果之間的差異。（4）風(fēng)險(xiǎn)與個(gè)人，群體或組織行為相聯(lián)系，不與行為相聯(lián)系的風(fēng)險(xiǎn)只是一種危險(xiǎn)。
2.風(fēng)險(xiǎn)管理的意義
（1）通過風(fēng)險(xiǎn)分析，可以加深對(duì)項(xiàng)目和風(fēng)險(xiǎn)的認(rèn)識(shí)，了解風(fēng)險(xiǎn)對(duì)項(xiàng)目的影響，權(quán)衡利弊，以便減少或分散風(fēng)險(xiǎn)，抓住并利用有利的機(jī)會(huì)；（2）通過檢查信息、數(shù)據(jù)和資料，可明確項(xiàng)目的有關(guān)前提和假設(shè)；（3）通過風(fēng)險(xiǎn)分析，提高項(xiàng)目計(jì)劃的可信度，改善項(xiàng)目組織內(nèi)外部的聯(lián)系；（4）便于將各種處理風(fēng)險(xiǎn)的方式靈活的組合起來(lái)，在項(xiàng)目管理中減少被動(dòng)；（5）積累的風(fēng)險(xiǎn)資料和數(shù)據(jù)為以后的各項(xiàng)工作提供反饋，促進(jìn)項(xiàng)目執(zhí)行組織和管理者對(duì)將來(lái)項(xiàng)目管理的改進(jìn)；（6）對(duì)于無(wú)法避免的風(fēng)險(xiǎn)，能夠明確項(xiàng)目將承受的損失；（7）為項(xiàng)目施工、運(yùn)營(yíng)、選擇合同形式和制定應(yīng)急計(jì)劃提供依據(jù)。
3.風(fēng)險(xiǎn)管理過程
風(fēng)險(xiǎn)管理就是一個(gè)識(shí)別、確定和度量風(fēng)險(xiǎn)，并制定、選擇和實(shí)施風(fēng)險(xiǎn)處理方案的過程。建設(shè)工程風(fēng)險(xiǎn)管理在這一點(diǎn)上并無(wú)特殊性。風(fēng)險(xiǎn)管理的過程包括：風(fēng)險(xiǎn)識(shí)別、風(fēng)險(xiǎn)評(píng)價(jià)、風(fēng)險(xiǎn)對(duì)策決策、實(shí)施決策、檢查五個(gè)方面的內(nèi)容。
4.風(fēng)險(xiǎn)識(shí)別
風(fēng)險(xiǎn)識(shí)別是將引起風(fēng)險(xiǎn)的主要因素分層查找出來(lái)進(jìn)行歸類。
4.1風(fēng)險(xiǎn)識(shí)別的原則
1．由粗及細(xì)，由細(xì)及粗；2．嚴(yán)格界定風(fēng)險(xiǎn)內(nèi)涵并考慮風(fēng)險(xiǎn)因素之間的相關(guān)性；3．先懷疑，后排除；4．排除與確認(rèn)并重；5．必要時(shí)，可作實(shí)驗(yàn)論證。
4.2風(fēng)險(xiǎn)識(shí)別的方法
識(shí)別項(xiàng)目風(fēng)險(xiǎn)的方法很多，主要有：德爾菲法（Delphi method）、頭腦風(fēng)暴法（Brainstorming）、情景分析法（Scenarios analysis）、核對(duì)表法（Checklists）、面談法（Interviewing）、事故樹法（Fault Tree Analysis，F(xiàn)TA）等。在進(jìn)行風(fēng)險(xiǎn)識(shí)別時(shí)，除了采用上述方法之外，對(duì)建設(shè)工程風(fēng)險(xiǎn)的識(shí)別，還應(yīng)根據(jù)其自身特點(diǎn)，采取相應(yīng)的方法。綜合起來(lái)，建設(shè)工程識(shí)別的方法有：1．專家調(diào)查法2．財(cái)務(wù)報(bào)表法3．流程圖法4．初始清單法5．經(jīng)驗(yàn)數(shù)據(jù)法6．風(fēng)險(xiǎn)調(diào)查法。
5.風(fēng)險(xiǎn)評(píng)價(jià)
風(fēng)險(xiǎn)評(píng)價(jià)是在風(fēng)險(xiǎn)識(shí)別之后，對(duì)認(rèn)識(shí)到的風(fēng)險(xiǎn)作的進(jìn)一步分析。
5.1風(fēng)險(xiǎn)評(píng)價(jià)的基本內(nèi)容
1．比較各項(xiàng)目風(fēng)險(xiǎn)，確定先后順序；2．從項(xiàng)目整體出發(fā)，弄清各風(fēng)險(xiǎn)事件之間的因果關(guān)系，制定系統(tǒng)的風(fēng)險(xiǎn)管理計(jì)劃；3．考慮各種風(fēng)險(xiǎn)、威脅和機(jī)會(huì)之間互相轉(zhuǎn)化的條件；4．量化已識(shí)別的風(fēng)險(xiǎn)的發(fā)生概率和后果，減少風(fēng)險(xiǎn)發(fā)生的不確定性。
5.2風(fēng)險(xiǎn)評(píng)價(jià)的作用
一是更準(zhǔn)確地認(rèn)識(shí)風(fēng)險(xiǎn)；二是保證目標(biāo)規(guī)劃的合理性和計(jì)劃的可行性；三是合理選擇風(fēng)險(xiǎn)對(duì)策，形成最佳風(fēng)險(xiǎn)對(duì)策組合。
5.3風(fēng)險(xiǎn)評(píng)價(jià)的方法
對(duì)項(xiàng)目進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)的方法一般可分為定性評(píng)價(jià)和定量評(píng)價(jià)兩大類。具體方法有很多，主要有：蒙特卡羅模擬法（Monte Carlo Simulation）、外推法（Extrapolation）、主觀概率評(píng)分法（Subjective Probability Method）、層次分析法（AnalyticalHierarchy Process，AHP）、決策樹法（DecisionTree Analysis）等。
6.風(fēng)險(xiǎn)對(duì)策
風(fēng)險(xiǎn)被識(shí)別和分析評(píng)價(jià)后，就應(yīng)當(dāng)考慮對(duì)各種風(fēng)險(xiǎn)的處理方法。風(fēng)險(xiǎn)的防范手段即為風(fēng)險(xiǎn)對(duì)策，也稱為風(fēng)險(xiǎn)管理技術(shù)。主要手段有：
6.1風(fēng)險(xiǎn)回避
風(fēng)險(xiǎn)回避就是以一定的方式中斷風(fēng)險(xiǎn)源，使其不發(fā)生或不再發(fā)展，從而避免可能產(chǎn)生的潛在損失。但在采用風(fēng)險(xiǎn)回避對(duì)策時(shí)需要注意幾點(diǎn)問題：1．回避一種風(fēng)險(xiǎn)可能產(chǎn)生另一種新的風(fēng)險(xiǎn)；2．回避風(fēng)險(xiǎn)的同時(shí)也失去了從風(fēng)險(xiǎn)中獲利的可能性；3．回避風(fēng)險(xiǎn)可能不實(shí)際或不可能。
6.2風(fēng)險(xiǎn)控制
風(fēng)險(xiǎn)控制是一種預(yù)防和減少風(fēng)險(xiǎn)損失的主動(dòng)、積極的風(fēng)險(xiǎn)對(duì)策。它就辨別出的關(guān)鍵風(fēng)險(xiǎn)因素逐一提出技術(shù)上可行、經(jīng)濟(jì)上合理的預(yù)防措施，以盡可能低的風(fēng)險(xiǎn)成本降低風(fēng)險(xiǎn)發(fā)生的可能性，并努力將風(fēng)險(xiǎn)損失控制在最小程度。
6.3風(fēng)險(xiǎn)自留
風(fēng)險(xiǎn)自留就是將風(fēng)險(xiǎn)留給自己承擔(dān)。風(fēng)險(xiǎn)自留為企業(yè)自身保留了從中獲利的可能性，同時(shí)也減少了在采取某種防范風(fēng)險(xiǎn)措施時(shí)所發(fā)生的費(fèi)用。風(fēng)險(xiǎn)自留通常適用于風(fēng)險(xiǎn)損失小，發(fā)生頻率高的風(fēng)險(xiǎn)。
6.4風(fēng)險(xiǎn)轉(zhuǎn)移
風(fēng)險(xiǎn)轉(zhuǎn)移是試圖將項(xiàng)目投資者可能面臨的風(fēng)險(xiǎn)轉(zhuǎn)移給他人承擔(dān)，以避免風(fēng)險(xiǎn)損失的一種方法。轉(zhuǎn)移風(fēng)險(xiǎn)是為降低系統(tǒng)風(fēng)險(xiǎn)，在各部分之間進(jìn)行的風(fēng)險(xiǎn)再分配。論文大全。它是建設(shè)工程風(fēng)險(xiǎn)管理中非常重要而且廣泛應(yīng)用的一項(xiàng)對(duì)策，分為非保險(xiǎn)轉(zhuǎn)移（通過鑒定合同的方式轉(zhuǎn)移風(fēng)險(xiǎn)）和保險(xiǎn)轉(zhuǎn)移（通過工程保險(xiǎn)的方式轉(zhuǎn)移風(fēng)險(xiǎn)）兩種形式。論文大全。
7.實(shí)施決策
實(shí)施決策就是對(duì)風(fēng)險(xiǎn)對(duì)策所作出的決策進(jìn)一步落實(shí)到具體的計(jì)劃和措施，從而保證風(fēng)險(xiǎn)事件發(fā)生時(shí)，能有一系列的既定計(jì)劃，指導(dǎo)風(fēng)險(xiǎn)事件處理工作的正常進(jìn)行，減少風(fēng)險(xiǎn)事件造成的損失。
8.檢查
在建設(shè)工程實(shí)施過程中，要對(duì)各項(xiàng)風(fēng)險(xiǎn)對(duì)策的執(zhí)行情況不斷的進(jìn)行檢查，并評(píng)價(jià)各項(xiàng)風(fēng)險(xiǎn)對(duì)策的執(zhí)行效果；在工程實(shí)施條件發(fā)生變化時(shí)，要確定是否需要提出不同的風(fēng)險(xiǎn)處理方案。此外，還需要檢查是否有被遺漏的或者是新發(fā)現(xiàn)的工程風(fēng)險(xiǎn)，開始新一輪的風(fēng)險(xiǎn)管理過程。論文大全。
由此可知，風(fēng)險(xiǎn)檢查的目的有三個(gè)：一是監(jiān)視風(fēng)險(xiǎn)的狀況；二是檢查風(fēng)險(xiǎn)的對(duì)策是否有效，監(jiān)控機(jī)制是否在運(yùn)行；三是不斷識(shí)別新的風(fēng)險(xiǎn)并制定對(duì)策。
參考文獻(xiàn)
[1] 中國(guó)建設(shè)監(jiān)理協(xié)會(huì)組織編寫. 建設(shè)工程監(jiān)理概論［M］.北京：知識(shí)產(chǎn)權(quán)出版社，2008
[2] 范黎波編著. 項(xiàng)目管理［M］. 北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2005
[3] 余建星編著. 工程項(xiàng)目風(fēng)險(xiǎn)管理［M］. 天津：天津大學(xué)出版社，2006
[4] 莫慶文. 建設(shè)工程的風(fēng)險(xiǎn)管理［J］. 中國(guó)科技信息，2007
對(duì)于中國(guó)而言，人工智能的發(fā)展更是一個(gè)歷史性的戰(zhàn)略機(jī)遇，對(duì)于緩解未來(lái)人口老齡化壓力、應(yīng)對(duì)可持續(xù)發(fā)展挑戰(zhàn)、以及促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型升級(jí)至關(guān)重要。
那么目前，人工智能在中國(guó)的發(fā)展條件如何，中國(guó)距離成為真正的人工智能強(qiáng)國(guó)還有多遠(yuǎn)？7月13日，《中國(guó)人工智能發(fā)展報(bào)告2018》在清華大學(xué)主樓接待廳。
報(bào) 告中稱，目前中國(guó)人工智能的發(fā)展已經(jīng)具備非常優(yōu)越的條件，然而要成為真正的人工智能強(qiáng)國(guó)，中國(guó)還任重道遠(yuǎn)。中國(guó)在論文總量和高被引論文數(shù)量上都排在世界第 一，但中國(guó)在人才總量，以及杰出人才占比偏低。在產(chǎn)業(yè)上，中國(guó)的人工智能企業(yè)數(shù)量排在全球第二，不過，中國(guó)人工智能領(lǐng)域的投融資占到了全球的60%，成為全球最“吸金”的國(guó)家。
報(bào) 告指出，中國(guó)必須加強(qiáng)基礎(chǔ)研究，優(yōu)化科研環(huán)境，培養(yǎng)和吸引頂尖的人才，在人工智能的新基礎(chǔ)領(lǐng)域?qū)崿F(xiàn)突破，保證人工智能發(fā)展的根基穩(wěn)固。同時(shí)，要大力鼓勵(lì)產(chǎn) 學(xué)研合作，讓企業(yè)成為人工智能創(chuàng)新的主導(dǎo)力量。積極參與到人工智能全球治理機(jī)制的構(gòu)建中，在人工智能未來(lái)的技術(shù)發(fā)展、風(fēng)險(xiǎn)防范、道理倫理規(guī)范制定等領(lǐng)域發(fā) 揮中國(guó)獨(dú)特的作用。
這份報(bào)告由清華大學(xué)中國(guó)科技政策研究中心、清華公共管理學(xué)院政府文獻(xiàn)中心、北京賽時(shí)科技有限公司、科睿唯安、中國(guó)信息通信研究院和北京字節(jié)跳動(dòng)科技有限公司聯(lián)合。
論文總量世界第一，杰出人才占比偏低
報(bào)告中稱，在論文產(chǎn)出上，中國(guó)人工智能論文總量和高被引論文數(shù)量都是世界第一。中國(guó)在人工智能領(lǐng)域論文的全球占比從1997年4.26%增長(zhǎng)至2017年的27.68%，遙遙領(lǐng)先其他國(guó)家。
高校是人工智能論文產(chǎn)出的絕對(duì)主力，在全球論文產(chǎn)出百?gòu)?qiáng)機(jī)構(gòu)中，87家為高校。中國(guó)頂尖高校的人工智能論文產(chǎn)出在全球范圍內(nèi)都表現(xiàn)十分出眾。
不僅如此，中國(guó)的高被引論文呈現(xiàn)出快速增長(zhǎng)的趨勢(shì)，并在2013年超過美國(guó)成為世界第一。
但在全球企業(yè)論文產(chǎn)出排行中，中國(guó)只有國(guó)家電網(wǎng)公司的排名進(jìn)入全球20。
從學(xué)科分布看，計(jì)算機(jī)科學(xué)、工程和自動(dòng)控制系統(tǒng)是人工智能論文分布最多的學(xué)科。國(guó)際合作對(duì)人工智能論文產(chǎn)出的影響十分明顯，高水平論文中國(guó)通過國(guó)際合作而發(fā)表的占比高達(dá)42.64%。
專利申請(qǐng)上中國(guó)專利數(shù)量略微領(lǐng)先美國(guó)和日本。中國(guó)已經(jīng)成為全球人工智能專利布局最多的國(guó)家，數(shù)量略微領(lǐng)先于美國(guó)和日本，三國(guó)占全球總體專利公開數(shù)量的74%。
全球?qū)＠暾?qǐng)主要集中在語(yǔ)音識(shí)別、圖像識(shí)別、機(jī)器人、以及機(jī)器學(xué)習(xí)等細(xì)分方向。中國(guó)人工智能專利持有數(shù)量前30名的機(jī)構(gòu)中，科研院所與大學(xué)和企業(yè)的表現(xiàn)相當(dāng)，技術(shù)發(fā)明數(shù)量分別占比52%和48%。
企業(yè)中的主要專利權(quán)人表現(xiàn)差異巨大，但中國(guó)國(guó)家電網(wǎng)近五年的人工智能相關(guān)技術(shù)發(fā)展迅速，在國(guó)內(nèi)布局專利技術(shù)量遠(yuǎn)高于其他專利權(quán)人，而且在全球企業(yè)排名中位列第四。
中國(guó)的專利技術(shù)領(lǐng)域集中在數(shù)據(jù)處理系統(tǒng)和數(shù)字信息傳輸?shù)龋渲袌D像處理分析的相關(guān)專利占總發(fā)明件數(shù)的16%。電力工程也已成為中國(guó)人工智能專利布局的重要領(lǐng)域。
雖然在論文總量和高被引用論文數(shù)量上中國(guó)排名領(lǐng)先，但在人才投入上，中國(guó)表現(xiàn)并不突出。
根據(jù)該報(bào)告，截至2017年，中國(guó)的人工智能人才擁有量達(dá)到18232人，占世界總量8.9%，僅次于美國(guó)（13.9%）。高校和科研機(jī)構(gòu)是人工智能人才的主要載體，清華大學(xué)和中國(guó)科學(xué)院系統(tǒng)成為全球國(guó)際人工智能人才投入量最大的機(jī)構(gòu)。
然而，按高H因子衡量的中國(guó)杰出人才只有977人，不及美國(guó)的五分之一，排名世界第六。企業(yè)人才投入量相對(duì)較少，高強(qiáng)度人才投入的企業(yè)集中在美國(guó)，中國(guó)僅有華為">華為一家企業(yè)進(jìn)入全球前20。
中國(guó)人工智能人才集中在東部和中部，但個(gè)別西部城市如西安和成都也表現(xiàn)十分突出。國(guó)際人工智能人才集中在機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘和模式識(shí)別等領(lǐng)域，而中國(guó)的人工智能人才研究領(lǐng)域比較分散。
中國(guó)人工智能企業(yè)數(shù)量全球第二，但投融資規(guī)模最大
報(bào)告稱，中國(guó)人工智能企業(yè)數(shù)量從2012年開始迅速增長(zhǎng)，截至2018年6月，中國(guó)人工智能企業(yè)數(shù)量已達(dá)到1011家，位列世界第二，但與美國(guó)的差距還非常明顯（2028家）。
中國(guó)人工智能企業(yè)高度集中在北京、上海和廣東。在全球人工智能企業(yè)最多的20個(gè)城市中，北京以395家企業(yè)位列第一，上海、深圳和杭州也名列其中。中國(guó)人工智能企業(yè)應(yīng)用技術(shù)分布主要集中在語(yǔ)音、視覺和自然語(yǔ)言處理這三個(gè)技術(shù)，而基礎(chǔ)硬件的占比很小。
風(fēng)險(xiǎn)投資上，從2013到2018年第一季，中國(guó)人工智能領(lǐng)域的投融資占到全球的60%，成為全球最“吸金”的國(guó)家。但從投融資筆數(shù)來(lái)看，美國(guó)仍是人工智能領(lǐng)域創(chuàng)投最為活躍的國(guó)家。
在國(guó)內(nèi)，北京的融資金額和融資筆數(shù)都遙遙領(lǐng)先其他地區(qū)，上海和廣東的人工智能投資也很活躍。從2014年開始，國(guó)內(nèi)人工智能投融資活動(dòng)的早期投資的占比逐漸下降，投資活動(dòng)日趨理性，但A輪融資還是占主導(dǎo)地位。
中 國(guó)人工智能市場(chǎng)增長(zhǎng)迅速，計(jì)算機(jī)視覺市場(chǎng)規(guī)模最大。2017年中國(guó)人工智能市場(chǎng)規(guī)模達(dá)到237億元，同比增長(zhǎng)67%。計(jì)算機(jī)視覺、語(yǔ)音、自然語(yǔ)言處理的市 場(chǎng)規(guī)模分別占34.9%、24.8%、21%，而硬件和算法的市場(chǎng)規(guī)模合計(jì)不足20%。預(yù)計(jì)2018年中國(guó)人工智能市場(chǎng)增速將達(dá)到75%。
煙草企業(yè)使用先進(jìn)的技術(shù)和先進(jìn)的設(shè)備，使得煙草的生產(chǎn)更加自動(dòng)化，生產(chǎn)效率和質(zhì)量都能得到保證。采用先進(jìn)的煙草倉(cāng)儲(chǔ)管理方案，也是煙草公司生產(chǎn)的關(guān)鍵。其在煙草的物流管理中所采取的傳統(tǒng)做法是：條碼技術(shù)。這種技術(shù)的使用可以使得生產(chǎn)效率大大提高，同時(shí)也存在著許多缺點(diǎn)：容易損壞、需要逐個(gè)掃描、在出庫(kù)入庫(kù)時(shí)需要大量掃描時(shí)間以及有較高的誤碼等等。企業(yè)采用這種方式還需要許多人工錄入信息，效率并沒有顯著提高。采用RFID技術(shù)可以解決上述問題，同時(shí)能夠使得企業(yè)的成本大大降低。目前我國(guó)煙草公司采用RFID技術(shù)作為倉(cāng)儲(chǔ)管理的方案還處于初步階段，本論文對(duì)基于RFID的煙草倉(cāng)儲(chǔ)管理方案作簡(jiǎn)要介紹。
【關(guān)鍵詞】RFID 倉(cāng)儲(chǔ)管理
1 引言
煙草企業(yè)使用先進(jìn)的技術(shù)和先進(jìn)的設(shè)備，使得煙草的生產(chǎn)更加自動(dòng)化，生產(chǎn)效率和質(zhì)量都能得到保證。采用先進(jìn)的煙草倉(cāng)儲(chǔ)管理方案，也是煙草公司生產(chǎn)的關(guān)鍵。其在煙草的物流管理中所采取的傳統(tǒng)做法是：條碼技術(shù)。這種技術(shù)的使用可以使得生產(chǎn)效率大大提高，同時(shí)也存在著許多缺點(diǎn)：容易損壞、需要逐個(gè)掃描、在出庫(kù)入庫(kù)時(shí)需要大量掃描時(shí)間以及有較高的誤碼等等。企業(yè)采用這種方式還需要許多人工錄入信息，效率并沒有顯著提高。
采用RFID技術(shù)可以解決上述問題，同時(shí)能夠使得企業(yè)的成本大大降低。目前我國(guó)煙草公司采用RFID技術(shù)作為倉(cāng)儲(chǔ)管理的方案還處于初步階段，本論文對(duì)基于RFID的煙草倉(cāng)儲(chǔ)管理方案作簡(jiǎn)要介紹。
2 RFID技術(shù)
RFID的中文是射頻識(shí)別技術(shù)，也叫做“電子標(biāo)簽”。人們通過該技術(shù)能夠識(shí)別特點(diǎn)的信息，同時(shí)讀取相關(guān)的數(shù)據(jù)并進(jìn)行相應(yīng)處理。作為一種新興的技術(shù)，該技術(shù)具有許多優(yōu)點(diǎn)：具有很強(qiáng)的穿透性、很大的存儲(chǔ)空間、更快的讀取速度以及更高的安全性能。RFID一般由以下幾個(gè)部分組成：天線、標(biāo)簽、讀寫器以及中間件等等。圖1所示是RFID系統(tǒng)的結(jié)構(gòu)圖。
3 基于RFID的煙草倉(cāng)儲(chǔ)管理方案
本論文設(shè)計(jì)的煙草倉(cāng)儲(chǔ)系統(tǒng)，主要業(yè)務(wù)是對(duì)卷煙的出入庫(kù)管理。采用RFID技術(shù)，可以使得每個(gè)環(huán)節(jié)的信息更加透明，使得管理者和操作人員能夠更方便及時(shí)地了解煙草的數(shù)量、位置等狀態(tài)，從而實(shí)現(xiàn)了信息流和物流的融合。
3.1 系統(tǒng)整體架構(gòu)
基于RFID的煙草倉(cāng)儲(chǔ)管理系統(tǒng)的主要工作原理是：所有的卷煙都存放在托盤上，每個(gè)托盤都貼有相應(yīng)的電子標(biāo)簽。數(shù)據(jù)庫(kù)通過相應(yīng)處理，將每個(gè)托盤上電子標(biāo)簽的信息整合在一起，同時(shí)一一對(duì)應(yīng)。采集到相應(yīng)的電子標(biāo)簽的信息，就可以獲得相應(yīng)的各種條碼信息。
3.2 系統(tǒng)流程設(shè)計(jì)
整體的系統(tǒng)流程如下：
（1）處理件煙的信息：通過掃描托盤上安裝的RFID電子標(biāo)簽來(lái)讀取相應(yīng)的信息（生產(chǎn)日期、數(shù)量等等）。倉(cāng)儲(chǔ)管理系統(tǒng)在物流的過程中及時(shí)更新信息，使得供貨商可以確定合適的入庫(kù)方案。
（2）對(duì)于煙草入庫(kù)的管理：煙草在入庫(kù)的過程中，在通道口的RFID讀寫器對(duì)件煙信息進(jìn)行讀取，同時(shí)對(duì)電子標(biāo)簽進(jìn)行信息寫入，主要是入庫(kù)時(shí)間和地點(diǎn)等信息。同時(shí)這些信息應(yīng)該及時(shí)更新到倉(cāng)儲(chǔ)的管理系統(tǒng)中。系統(tǒng)自動(dòng)識(shí)別，如果這批貨物是所訂的煙草，就發(fā)送信息使搬運(yùn)車對(duì)其進(jìn)行搬運(yùn)，將貨物存儲(chǔ)；如果不是所訂的煙草，系統(tǒng)會(huì)提示工作人員進(jìn)行相應(yīng)處理。貨物全部入庫(kù)后，及時(shí)更新數(shù)據(jù)庫(kù)信息，打印入庫(kù)清單。
（3）對(duì)于煙草庫(kù)存的管理：工作人員通過RFID讀寫器可以實(shí)時(shí)掌握煙草的各種基本信息。工作人員可以通過其實(shí)時(shí)了解困村信息，在庫(kù)存量減少時(shí)可以及時(shí)補(bǔ)貨；在煙草貨物移動(dòng)位置時(shí)，RFID會(huì)自動(dòng)讀取貨物的位置信息，并傳送到管理系統(tǒng)中，實(shí)現(xiàn)庫(kù)存的精確控制。
4 系統(tǒng)性能分析
其在煙草的物流管理中所采取的傳統(tǒng)做法是：條碼技術(shù)。這種技術(shù)的使用可以使得生產(chǎn)效率大大提高，同時(shí)也存在著許多缺點(diǎn)：容易損壞、需要逐個(gè)掃描、在出庫(kù)入庫(kù)時(shí)需要大量掃描時(shí)間以及有較高的誤碼等等。企業(yè)采用這種方式還需要許多人工錄入信息，效率并沒有顯著提高。我們可以看出，基于RFID的煙草倉(cāng)儲(chǔ)管理方案有如下特點(diǎn)：
（1）整個(gè)管理過程都采用了先進(jìn)的RFID射頻識(shí)別技術(shù)，倉(cāng)儲(chǔ)管理的各個(gè)環(huán)節(jié)都得到有效覆蓋。這樣做可以提高管理效率，使得管理過程更加人性化，同時(shí)縮短了出入庫(kù)的時(shí)間。
（2）以外的成品卷煙識(shí)別率都不高，采用RFID技術(shù)后可以大大提高其出入庫(kù)的識(shí)別率。這樣不僅使得時(shí)間大大縮短，同時(shí)節(jié)約了大量的人力勞動(dòng)。RFID可以在同一時(shí)刻識(shí)別很多標(biāo)簽信息，這就使得煙草在出入庫(kù)過程的效率成倍增加了。
5 總結(jié)
本論文首先介紹了基于RFID的煙草倉(cāng)儲(chǔ)管理方案的必要性，進(jìn)而介紹了RFID技術(shù)，并對(duì)整個(gè)系統(tǒng)方案進(jìn)行了簡(jiǎn)要介紹。從中我們可以看出，采用RFID技術(shù)能夠使得企業(yè)的成本大大降低。
參考文獻(xiàn)
[1]郎為民.射頻識(shí)別（RFID）技術(shù)原理與應(yīng)用[M].北京：機(jī)械工業(yè)出版社，2011.
[2]程珊珊，朱景鋒.物聯(lián)網(wǎng)情景感知技術(shù)在智能倉(cāng)儲(chǔ)領(lǐng)域的應(yīng)用展望[J].物聯(lián)網(wǎng)技術(shù)，2012，2（5）：47-49.
[3]鄧明明.RFID技術(shù)在倉(cāng)儲(chǔ)信息化管理中的應(yīng)用[J].鐵路采購(gòu)與物流，2008（05）.
[4]王運(yùn)峰.RFID技術(shù)在發(fā)動(dòng)機(jī)裝配生產(chǎn)線上的應(yīng)用[J].裝備制造技術(shù)，2010（05）.
[5]楊永生.基于RFID的物流倉(cāng)儲(chǔ)管理系統(tǒng)設(shè)計(jì)[J].科技信息，2011（01）.
關(guān)鍵詞：自然語(yǔ)言處理 語(yǔ)言翻譯 人工智能
一、引言
近年來(lái)隨著計(jì)算機(jī)技術(shù)和人工智能的快速發(fā)展，自然語(yǔ)言信息處理技術(shù)已取得了長(zhǎng)足的發(fā)展。于此同時(shí)人們?cè)诳焖傩畔z索、語(yǔ)言翻譯、語(yǔ)音控制等方面的需求越來(lái)越迫切。如何將自然語(yǔ)言處理中取得的研究成果應(yīng)用于文本、語(yǔ)音等方面已成為目前應(yīng)用研究的一個(gè)關(guān)鍵。論文將從自然語(yǔ)言信息處理的基礎(chǔ)出發(fā)，系統(tǒng)的論述它在語(yǔ)音和文本方面的廣泛應(yīng)用。
二、自然語(yǔ)言信息處理技術(shù)簡(jiǎn)介
自然語(yǔ)言信息處理技術(shù)產(chǎn)生于上個(gè)世紀(jì)40年代末期，它是通過采用計(jì)算機(jī)技術(shù)來(lái)對(duì)自然語(yǔ)言進(jìn)行加工處理的一項(xiàng)技術(shù)。該技術(shù)主要是為了方便人與計(jì)算機(jī)之間的交流而產(chǎn)生的。由于計(jì)算機(jī)嚴(yán)密規(guī)范的邏輯特性與自然語(yǔ)言的靈活多變使得自然語(yǔ)言處理技術(shù)較復(fù)雜。通過多年的發(fā)展，該項(xiàng)技術(shù)已取得了巨大的進(jìn)步。其處理過程可歸納為：語(yǔ)言形式化描述、處理算法設(shè)計(jì)、處理算法實(shí)現(xiàn)和評(píng)估。其中，語(yǔ)言形式化描述就是通過對(duì)自然語(yǔ)言自身規(guī)律進(jìn)行研究，進(jìn)而采用數(shù)學(xué)的方法將其描述出來(lái)，以便于計(jì)算機(jī)處理，也可認(rèn)為是對(duì)自然語(yǔ)言進(jìn)行數(shù)學(xué)建模。處理的算法設(shè)計(jì)就是將數(shù)學(xué)形式化描述的語(yǔ)言變換為計(jì)算機(jī)可操作、控制的對(duì)象。處理算法實(shí)現(xiàn)和評(píng)估就是通過程序設(shè)計(jì)語(yǔ)言（如C語(yǔ)言）將算法實(shí)現(xiàn)出來(lái)，并對(duì)其性能和功能進(jìn)行評(píng)估。它主要涉及到計(jì)算機(jī)技術(shù)、數(shù)學(xué)（主要是建模）、統(tǒng)計(jì)學(xué)、語(yǔ)言學(xué)等多個(gè)方面。
三、智能應(yīng)用
通過多年的研究，自然語(yǔ)言信息處理技術(shù)已經(jīng)取得了巨大的進(jìn)步，特別是在應(yīng)用方面。它主要被應(yīng)用于文本和語(yǔ)音兩個(gè)方面。
（一）自然語(yǔ)言信息處理在文本方面的智能應(yīng)用
在文本方面，自然語(yǔ)言處理技術(shù)主要應(yīng)用在語(yǔ)言翻譯、字符識(shí)別、文本信息過濾、信息檢索與重組等方面。其中，語(yǔ)言自動(dòng)翻譯是一個(gè)十分重要并具有極大現(xiàn)實(shí)意義的項(xiàng)目。它涉及到計(jì)算機(jī)技術(shù)、數(shù)學(xué)建模技術(shù)、心理學(xué)以及語(yǔ)言學(xué)等多個(gè)方面的學(xué)科。通過近些年的努力已得到了一定的發(fā)展。自然語(yǔ)言處理技術(shù)已在多個(gè)方面提升了翻譯的效率和準(zhǔn)確性。如自然語(yǔ)言處理中的語(yǔ)言形態(tài)分析與歧義分析對(duì)翻譯技術(shù)來(lái)說十分重要，可以很好的處理翻譯中的多意現(xiàn)象和歧義問題，從而提高翻譯的準(zhǔn)確性。字符識(shí)別具有廣泛的商業(yè)應(yīng)用前景，它是模式識(shí)別的一個(gè)分支。字符識(shí)別的主要過程可分為預(yù)處理、識(shí)別以及后期處理。目前，字符識(shí)別已得到了廣泛的應(yīng)用，并且效果良好，但還存在識(shí)別不準(zhǔn)確的問題，其主要問題就出在合理性上，其中后期處理就涉及到采用詞義或語(yǔ)料庫(kù)等對(duì)識(shí)別結(jié)果進(jìn)行合理性驗(yàn)證，通過該技術(shù)就能很好的解決識(shí)別不準(zhǔn)確的問題，當(dāng)出現(xiàn)識(shí)別不準(zhǔn)確、出現(xiàn)多個(gè)識(shí)別結(jié)果時(shí)可以通過合理性驗(yàn)證技術(shù)高效的過濾掉異常選項(xiàng)，從而實(shí)現(xiàn)快速、準(zhǔn)確的識(shí)別。目前自然語(yǔ)言信息處理技術(shù)在文本方面應(yīng)用最廣的就是文本檢索。通過采用自然語(yǔ)言信息處理技術(shù)，一方面能快速分析用戶輸入信息并進(jìn)行準(zhǔn)確理解為檢索提供更加準(zhǔn)確的關(guān)鍵詞，并且可以擴(kuò)展檢索輸入的范圍，讓其不僅僅局限在文本輸入方面，如采用語(yǔ)音輸入或基于圖像的輸入；另一方面，通過采用自然語(yǔ)言信息處理技術(shù)可以對(duì)搜索到的信息進(jìn)行處理讓用戶獲取的是更加有效、準(zhǔn)確的信息而不是海量的信息源（如許多網(wǎng)頁(yè)）。因?yàn)閷⒆匀徽Z(yǔ)言處理技術(shù)與文本重組技術(shù)相結(jié)合就可以極大的提高檢索的效果，縮小答案的范圍，提高準(zhǔn)確性。當(dāng)然，還可以提高檢索的效率。目前，在中文全文檢索中已得到了廣泛的應(yīng)用，并且效果良好。
如果能進(jìn)一步的研究自然語(yǔ)言信息處理技術(shù)，將能實(shí)現(xiàn)信息的自動(dòng)獲取與重組，這樣將能實(shí)現(xiàn)自動(dòng)摘要生成、智能文本生成、文件自動(dòng)分類與自動(dòng)整理。若能進(jìn)一步結(jié)合人工智能技術(shù)，將能實(shí)現(xiàn)文學(xué)規(guī)律探索、自動(dòng)程序設(shè)計(jì)、智能決策等諸多方面的應(yīng)用。這樣可以減輕人類的工作強(qiáng)度，讓我們從繁瑣的基礎(chǔ)工作中走出來(lái)，擁有更多思考的時(shí)間，從而能更加有效的推動(dòng)技術(shù)的進(jìn)步。
