把每个数字看作一个坐标值

　　【中国安防展览网 访谈】信息技术把人们带进了数字化时代。在数字化时代里无论是一幅图像，一句话，一个决定等，所有非物质的信息都可转化成为一大堆数字。对这一大堆数字如何分析研究和处理是未来信息发展的主要问题，也是克服计算机智商低的核心问题。
　　
　　信息科学家、中科院院士王守觉近年提出了一种分析、研究这一组一组数字的新方法；高维空间几何概念与代数计算相结合的高维空间点分布分析方法；实际应用于模式识别取得优异效果，并依此提出了一种效果明显优于传统模式识别的“仿生模式识别”和有关的三项发明。
　　
　　王守觉认为如果把每个数字看作一个坐标值，把一组数字看作高维空间的一个点，则各种信息的识别、分析和处理等问题，都可以对应到高维空间点分布的分析研究问题；而用高维空间点分布的几何概念与数字计算相结合，可大大有利于对高维空间点分布的分析和研究发展新思路创建新算法、新模型。
　　
　　王守觉用高维空间点分布分析方法首先应用于模式识别问题。他从高维空间点分布分析出发。提出了以在特征空间中“认识”点分布形态的“仿生模式识别”取代常规模式识别取得了十分优异的实际效果。以对多种刚体实物模型作识别目标的识别问题作实际考核实例，以上新发展被公认处优势地位的支撑向量机（SVM）识别方法做比较对象，比较结果说明，在采集样本总数较多的情况下，仿生模式识别效果比支撑向量机好得多；而在采集样本总数较少时，仿生模式识别效果远优于支撑向量机效果，这一结果以及仿生模式识别的基本原理已被神经网络联合会创始人之一、美籍华裔教授斯华龄作为快讯刊登于近的神经网络杂志。以ORL人脸库作人脸识别效果做比较，仿生模式识别的识别效果也大大优于支撑向量机。为扩大应用范围，他们已把仿生模式识别算法编制成通用软件提供同行们使用。
　　
　　姓名:王守觉
　　
　　籍贯:江苏苏州
　　
　　工作单位:中科院半导体研究所
　　
　　职务:研究员
　　
　　所在学部:中国科学院信息技术科学部
　　
　　专业特长:半导体电子学
　　
　　王守觉（1926－）：半导体电子学家。原籍江苏苏州，生于上海。1949年毕业于同济大学，1955年获上海市劳模，1956年被评为全国先进工作者代表。后历任中国科学院半导体所研究员、室主任、副所长、所长；1980年当选院士（学部委员）。现为半导体神经网络实验室负责人，兼任浙江工业大学智能信息所所长、中国电子学会副理事长，《电子学报》编委会主任，《Chinese Journal of Electronics》编委会主任，中国计算机学会多值与模糊逻辑委员会名誉主任，中国计算机学会CAD与图形学委员会名誉主任，北京电子学会副理事长，中国神经网络委员会主席。
　　
　　王守觉院士早年研究解决了“两弹一星”所需计算机的基础器件：1958年研制成中国首只锗合金扩散高频晶体管，频率由2兆赫提到200兆赫，解决了高速晶体管化计算机的需要。1963年在我国首先研制成硅平面工艺和平面器件，保证了为中国“两弹一星”的研制工作做出重大贡献的109丙机的研制成功。并研制成国内早的4种固体组件，为专用微型机创造了基本条件。
　　
　　1978年他在上先发表了一种集成高速模糊逻辑电路DYL，并研究了它在信号线路与系统中的应用，依此研制的高速数模转换器电路使我国集成8位D/A转换器转换时间由80纳秒缩短至4纳秒以下。王守觉院士的以上贡献，共获得早年国家发明奖1项（1964），国家新产品一等奖（1964）一项，中科院一等奖1项（1980），二等奖3项（1983、1992、1996），三等奖1项（1986）及国家发明三等奖1项（1996）。
　　
　　1990年起，王守觉院士致力于神经网络模式识别等机器形象思维的基础理论与实际应用基础研究，在国家“八五”、“九五”科技攻关中，他承担了神经网络的实现和应用技术的攻关工作，研制成我国产品化的半导体神经网络硬件系列。他本人相继两次被评为国家“八五”和“九五”科技攻关先进个人，并获2001年北京市科技进步一等奖，2001年何梁何利科技进步奖和2002年中国台湾潘文渊文教基金杰出科研奖。
　　
　　王守觉院士从高维空间点分布分析出发，提出了以在特征空间中“认识”点分布形态予以覆盖的“仿生模式识别”新理论，取代常规模式识别取得了十分优异的实际效果。以对多种刚体实物模型作识别目标的识别问题作实际考核，以上新发展、被公认处优势地位的支撑向量机（SVM）识别方法作比较对象，比较结果说明，在采集样本总数较多的情况，仿生模式识别效果比支撑向量机好得多；而在采集样本总数较少时，仿生模式识别效果更远优于支撑向量机效果。以ORL人脸库作人脸识别效果比较，仿生模式识别的识别效果也大大优于支撑向量机。
　　
　　王守觉院士提出的高维空间点分布分析方法和仿生模式识别理论，不仅识别效果远优于支撑向量机，它还为解决机器形象思维问题提供了一条新途径。基于高维特征空间中分析同类样本间连续关系为基础的仿生模式识别新方法，对未经学习训练的新类别样本只会拒识而不会误识。与此同时，它像人类一样对事物一件一件的认识，在学习认识一件新事物时不会打乱原已学到的旧知识，这正是传统模式识别难以做到的。对于生物特征识别、语音识别等人类思维中难以用数学方程描述的形象思维问题，原有的模式理论和技术手段显得十分无能，高维空间点分布分析方法和仿生模式识别理论可以很好地解决这些问题。
　　
　　王守觉院士提出和发展的高维空间点分布分析方法和理论，为信息与信号处理提供了新理论。随着分子生物学技术的突飞猛进，大量的分子生物学数据需要由新型计算方法进行分析处理，如氨基酸序列对蛋白质二结以上结构的预测、基因序列之间的快速比较分析等，这些生物学中具有计算复杂度的问题需要新的分析处理方法，高维空间点分布分析方法可以为解决这些生物学中具有计算复杂度的问题提供新思路。