摘要：图像识别精度的高低直接影响着态势感知系统的性能，针对在复杂异构环境中提取图像关键要素难以识别的问题。该文提出了一种概率神经网络识别图像的方法。应用这种方法，首先，该文通过粗糙集属性约简原始数据，过滤掉冗余属性;然后，该文使用概率神经网络这种模型对提取的数据集进行分类训练。这是一种有效、可行的图像识别方法，与其传统方法相比，该方法明显地提高了图像识别的准确性，为图像识别态势评估和预测提供了有力的理论保障。

关键词：概率神经网络;图像识别;人工智能

中图分类号：TP18      文献标识码：A

文章编号：1009-3044（2021）14-0181-03

1 背景

世界上许多事物都有一定的结构，我们可以用它来组织思想。我们使用心理数字线组织其他类型的信息，最明显的就是数字。概率神经网络应用到网络空间安全[1]，图像的识别中。概率神经网络的一个定义特征是它们的词表征，是高维的实值向量，在这种结构中，词被一些学习到的查找表（lookup-table）转换成实值向量，这些向量被用作一个神经网络的输入，其主要优势是其分布式表征实现了一定水平的泛化，而使用经典的 n-gram 语言模型是不可能办得到的。作为概率神经网络中一种概念，数量大小可表征在单一维度上（即在一条心理数字线上，一般来说，小数字、坏的、悲伤、不道德、年轻表征在这条线的左侧，大数字、好的、开心、高尚、年老等表征在右侧）。牛津大学实验心理学系Luyckx和Summerfield等人在eLife杂志上发表文章，他们做健康训练实验，将被试6个不同颜色的驴子照片与六种不同的奖励概率联系起来，通过试误，被试学会了根据驴子获得奖励的可能性对它们进行排序。……