【中國安防展覽網 訪談】信息技術把人們帶進了數字化時代。在數字化時代里無論是一幅圖像，一句話，一個決定等，所有非物質的信息都可轉化成為一大堆數字。對這一大堆數字如何分析研究和處理是未來信息發展的主要問題，也是克服計算機智商低的核心問題。
　　
　　信息科學家、中科院院士王守覺近年提出了一種分析、研究這一組一組數字的新方法；高維空間幾何概念與代數計算相結合的高維空間點分布分析方法；實際應用于模式識別取得優異效果，并依此提出了一種效果明顯優于傳統模式識別的“仿生模式識別”和有關的三項發明。
　　
　　王守覺認為如果把每個數字看作一個坐標值，把一組數字看作高維空間的一個點，則各種信息的識別、分析和處理等問題，都可以對應到高維空間點分布的分析研究問題；而用高維空間點分布的幾何概念與數字計算相結合，可大大有利于對高維空間點分布的分析和研究發展新思路創建新算法、新模型。
　　
　　王守覺用高維空間點分布分析方法首先應用于模式識別問題。他從高維空間點分布分析出發。提出了以在特征空間中“認識”點分布形態的“仿生模式識別”取代常規模式識別取得了十分優異的實際效果。以對多種剛體實物模型作識別目標的識別問題作實際考核實例，以上新發展被公認處優勢地位的支撐向量機（SVM）識別方法做比較對象，比較結果說明，在采集樣本總數較多的情況下，仿生模式識別效果比支撐向量機好得多；而在采集樣本總數較少時，仿生模式識別效果遠優于支撐向量機效果，這一結果以及仿生模式識別的基本原理已被神經網絡聯合會創始人之一、美籍華裔教授斯華齡作為快訊刊登于近的神經網絡雜志。以ORL人臉庫作人臉識別效果做比較，仿生模式識別的識別效果也大大優于支撐向量機。為擴大應用范圍，他們已把仿生模式識別算法編制成通用軟件提供同行們使用。
　　
　　姓名:王守覺
　　
　　籍貫:江蘇蘇州
　　
　　工作單位:中科院半導體研究所
　　
　　職務:研究員
　　
　　所在學部:中國科學院信息技術科學部
　　
　　專業特長:半導體電子學
　　
　　王守覺（1926－）：半導體電子學家。原籍江蘇蘇州，生于上海。1949年畢業于同濟大學，1955年獲上海市勞模，1956年被評為全國先進工作者代表。后歷任中國科學院半導體所研究員、室主任、副所長、所長；1980年當選院士（學部委員）。現為半導體神經網絡實驗室負責人，兼任浙江工業大學智能信息所所長、中國電子學會副理事長，《電子學報》編委會主任，《Chinese Journal of Electronics》編委會主任，中國計算機學會多值與模糊邏輯委員會名譽主任，中國計算機學會CAD與圖形學委員會名譽主任，北京電子學會副理事長，中國神經網絡委員會主席。
　　
　　王守覺院士早年研究解決了“兩彈一星”所需計算機的基礎器件：1958年研制成中國首只鍺合金擴散高頻晶體管，頻率由2兆赫提到200兆赫，解決了高速晶體管化計算機的需要。1963年在我國首先研制成硅平面工藝和平面器件，保證了為中國“兩彈一星”的研制工作做出重大貢獻的109丙機的研制成功。并研制成國內早的4種固體組件，為專用微型機創造了基本條件。
　　
　　1978年他在上先發表了一種集成高速模糊邏輯電路DYL，并研究了它在信號線路與系統中的應用，依此研制的高速數模轉換器電路使我國集成8位D/A轉換器轉換時間由80納秒縮短至4納秒以下。王守覺院士的以上貢獻，共獲得早年國家發明獎1項（1964），國家新產品一等獎（1964）一項，中科院一等獎1項（1980），二等獎3項（1983、1992、1996），三等獎1項（1986）及國家發明三等獎1項（1996）。
　　
　　1990年起，王守覺院士致力于神經網絡模式識別等機器形象思維的基礎理論與實際應用基礎研究，在國家“八五”、“九五”科技攻關中，他承擔了神經網絡的實現和應用技術的攻關工作，研制成我國產品化的半導體神經網絡硬件系列。他本人相繼兩次被評為國家“八五”和“九五”科技攻關先進個人，并獲2001年北京市科技進步一等獎，2001年何梁何利科技進步獎和2002年中國臺灣潘文淵文教基金杰出科研獎。
　　
　　王守覺院士從高維空間點分布分析出發，提出了以在特征空間中“認識”點分布形態予以覆蓋的“仿生模式識別”新理論，取代常規模式識別取得了十分優異的實際效果。以對多種剛體實物模型作識別目標的識別問題作實際考核，以上新發展、被公認處優勢地位的支撐向量機（SVM）識別方法作比較對象，比較結果說明，在采集樣本總數較多的情況，仿生模式識別效果比支撐向量機好得多；而在采集樣本總數較少時，仿生模式識別效果更遠優于支撐向量機效果。以ORL人臉庫作人臉識別效果比較，仿生模式識別的識別效果也大大優于支撐向量機。
　　
　　王守覺院士提出的高維空間點分布分析方法和仿生模式識別理論，不僅識別效果遠優于支撐向量機，它還為解決機器形象思維問題提供了一條新途徑。基于高維特征空間中分析同類樣本間連續關系為基礎的仿生模式識別新方法，對未經學習訓練的新類別樣本只會拒識而不會誤識。與此同時，它像人類一樣對事物一件一件的認識，在學習認識一件新事物時不會打亂原已學到的舊知識，這正是傳統模式識別難以做到的。對于生物特征識別、語音識別等人類思維中難以用數學方程描述的形象思維問題，原有的模式理論和技術手段顯得十分無能，高維空間點分布分析方法和仿生模式識別理論可以很好地解決這些問題。
　　
　　王守覺院士提出和發展的高維空間點分布分析方法和理論，為信息與信號處理提供了新理論。隨著分子生物學技術的突飛猛進，大量的分子生物學數據需要由新型計算方法進行分析處理，如氨基酸序列對蛋白質二結以上結構的預測、基因序列之間的快速比較分析等，這些生物學中具有計算復雜度的問題需要新的分析處理方法，高維空間點分布分析方法可以為解決這些生物學中具有計算復雜度的問題提供新思路。