基于概率幂律标度的聚类和回归方法

模式识别的核心任务是对观察对象或刺激物进行认知和辩识。生物系统在心理、认知和生理等层面的新近研究结果表明,生物信息处理系统具有强大的模式识别能力。尽管许多现有的模式识别方法的构造和设计受生物系统信息处理方式和结构的启发，但很少有模型直接将生物学实验定律和生物约束有效地嵌入模型结构或学习方法，因而其智能化水平有待进一步提高。我们的分析表明，许多生物学实验定律满足幂律标度，且幂律标度在物理、工程、生物和社会等自然现象的描述和数学建模中广泛出现，因此利用这一标度的模式识别方法有望充分利用生物模型中已知的高效搜索能力和搜索空间压缩能力，有效地处理工程、人文、经济及生理和认知方面模式识别问题。本项目试图构造一类基于概率幂律标度的聚类和回归方法，为这类问题的分析和求解提供一个高度智能化、应用范围更广泛的统一框架，以期解决自然科学和国民经济各领域的一些重要模式寻找和识别问题。