潘昊 张志伟 王铁霖

摘 要：随着计算机技术的快速发展，CPU计算能力在突破瓶颈之后，随之而来的是海量数据导致的算法准确率降低的难题。本文在机器学习的帮助下，通过验证手语表达数据集，借助主成分分析模型（PCA）验证测试集的准确率，进而尝试优化人感知的召回以及准确率。

关键词：机器学习;感知;召回率

一、引言

人类的大脑是世界上最精密的组织，它的构造比现存的任何一台计算机的构造都复杂的多。因此，在探索人脑内如感觉、直觉等相关问题时，以现有的工具手段无法对大脑进行量化的测试。我们的工作可以作为数学和人工智能领域合作的一个模型，通过利用数学专业知识和机器学习高效计算的各自优势，可以取得较为很好的效果。

我们可以把大脑中假设存在的“感觉”系统看做一个模型，这个模型是由我们从生活中各个领域的经验与经历训练而得出：在日常生活中，将一个人生活中遇到的问题抽象化为函数的输入与输出。有效以及无效的输入可以被脑海记录，并影响人做出下一次判断

所谓“直觉”，不过是脑中有若干记忆碎片与五感接受到的信息，综合在一起，跳过逻辑层次，直接反射到思维之中，其准确程度，取决于一个人的经验常识和判断能力。本文提出了一个使用机器学习的过程，以发现数学对象之间的潜在模式和关系，通过归因技术理解它们，并尝试优化准确率以及召回率。

二、系统方案设计