并行相联存储器制造技术

并行相联存贮器提供一种识别或确认测试数据模式的方法。多个存贮器中的每一个都存贮多个识别模式。根据接收到的一个要被确认的检索模式，将此检索模式与存贮在存贮器中的许多识别模式同时比较，来选择一个精确的或最相吻合的识别模式。在一最佳实施例中，存贮器可以存贮多个数据库，其中每一个都包含具有不同长度和不同引力半径的模式。（*该技术在2008年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术涉及一种并行相联存储器。通过选择一个或多个与输入模式最相一致的存储了的模式，可以在系统中采用这种并行相联存储器作数据检索或者模式识别。特别是，本专利技术涉及存储大量的模式并按并行方式进行选择操作的一种存储器。这种存储器的并行特性提高了它的运行速度和效率。速度的提高，大大扩展了这种存储器的应用领域。在相联存储器中，将数据模式同许多存储模式相比较，从中找出精确相一致的模式。该模式对于贮存有关存储模式信息的存储器的附加部位而言，起着地址的作用。其结果是检索与数据模式相关联的那些数据。在模式识别系统中，将许多已知的模式存贮在存贮媒体中，而将那些尚待辨别的模式同那些贮存的许多已知模式进行比较。如果尚待辨别的模式同许多贮存了的模式中的一个模式相一致，则出现一个标识。如果对于尚待辨别的模式不存在最相一致的模式时，通常则要求识别系统从贮存了的模式中找出最相一致的模式来。识别系统通常采用相似性测度或距离测度来确定“最相一致”的模式。用精确一致或选择“最相一致”的方法识别待辨别的模式是把所观测的模式用标号或分类标识相关联起来的。这种标号或分类标识对应于所观测模式的精确一致或“最相一致”的标号或分类标识。相联存储器或模式识别系统具有下列可能的应用。可以把这些系统和存储器用于要求确定同模块插件特殊事故有关联的特殊故障的模块诊断。第二方面的可能应用是光学字符识别。在光学字符识别中，人们要求很快地从现存的字符字体根中识别那些特定的字符，以便通过扫描程序输入整页文本并在以后可以再编辑这种相同的页面。第三方面的可能应用是语言识别。在语言识别中，人们要求按照和说话人的声音模式无关的一种方式快速地把声音模式同特定的语音相关联起来。第四方面的可能应用是在化学实验或生物实验之中。在这些方面，要求它可以根据某些特殊的测量来鉴别化学制品，例如，根据血液或组织抽样来鉴别病毒。第五方面可能应用在数据库系统之中。在这些系统中，人们希望要用它既使在检索关键字有错时仍然可以检索到有用信息。对于识别系统或相联存储器而言，所有这些都是可能的一些应用方面;但是，这并不是说仅只限于这些可能的应用方面。现有技术中的相联存储器和模式识别系统或者是由当用于模式识别时是慢速的通用处理器组成的，或者是由只能用于有限的几种应用之中的高速专用处理器组成的。此外，一般是把相联存储器设计成用于固定大小的模式，并执行精确的对比，而且存储容量有限，况且也是相当昂贵的。在许多上述的应用中，存在着许多可用来表示特殊分类的可能的模式。用这种特定分类模式，可以把所观测的模式相关联起来。对于识别尚待辨别的模式所必要的已知模式的数目决定了对该系统或存储器的存贮要求。为了降低这种可能的存贮要求，有必要试图确定一个或多个代表有效的分类的“典型”模式。采用参量统计技术(如果已收集到大量的典型模式的取样)或非参量处理方法(仅当少量代表模式取样有效时，方可采用)就能够作到这点。试图寻找“典型”模式的这个程序，事实上，就是把已知模式划分成组或类的程序。这种划分处理已在包括模式识别、群集分析、判定理论、神经网络、以及参量和非参量统计的各种专题文献中广泛地进行了研究。一旦选择到“典型”模式，这些“典型”模式就可以代表其他类似模式的组或类。理想的分类是不相连续的。在相联存储器和模式识别的应用当中，标识模式组的能力是一项很重要的工作。例如，一个观测到的然而并未予先被认为是属于一个特定类的而只是与一组已贮存了的模式相类似的模式，就可以被认为是属于那个特定组或特定类的模式。识别观测模式或检索与模式相关联的数据，并且将该数据同特定模式的类或组相关联起来的过程，可以分成两个阶段进行;第一阶段称为存贮或划分阶段，而第二阶段称为检索或者识别/分类阶段。在存贮或划分阶段中，通过所取得的观测模式收集数据。将数据再进行处理，使得那些模式特征成为模式识别所要求的形式。而后，再按照特定的划分算法选择“典型”模式。该算法可能如同在每个模式类或组中采用第一个模式作为“典型”模式那样简单;或者可能如同为从许多同给定的类或组的模式相关联的模式中识别“典型”模式而采用平均方法那样复杂。一旦选择到这些“典型”模式，就可以开始识别过程的第二阶段了。在检索阶段(用于数据检索)或识别/分类阶段中，先取得尚待鉴别的观测模式。而后，将该待鉴别的观测模式再同已在存储或划分阶段中产生出的一些“典型”模式进行比较。根据待鉴别的观测模式同这些“典型”模式的比较，就可以鉴别出这个观测模式属于的一个最接近的模式类或K个最接近的模式类。关于选择“典型”模式以及划分模式空间都有许多程序。这些程序中大多数都要用可以说是类似于汉明(Hamming)距离的欧几里得(Euclidian)距离测定。汉明距离在模式识别的领域中是常用的量度距离。大多数模式识别系统和相联存储器存在的问题是包括鉴别尚待观测模式在内的计算工作量。在这些计算工作中最为重要的方面是包括获得距离测量所需要的工作量。我们可以把这些工作分成三个主要耗时耗力的主要方面的工作。第一个主要方面的工作是取得代表不同类型和组的模式的“典型”模式。第二个主要方面的工作是划分用于存贮的典型模式。第三个主要方面的工作是实际的检索过程或识别过程。现有技术中模式识别系统的一个例子披露在题目是“自组织的通用模式类别分离器及鉴别器”(SelfOrganizingGeneralPatternClassSeparatorandIdentifier)的里昂·库柏(LeonCooper)的美国专利4，326，259之中。由于该系统的硬件实现只能局限于特定的为该系统所支持的自适应识别算法，因此这个系统的处理能力十分有限。迄今一直采用阀值或引力半径来确定一个观测模式是否是一个予定类别的一个组成部分。G.S.Sebestyen于1962年发表了自适应模式识别算法。该算法使用了类别阀值的概念。参阅G.S.Sebestyen的著作，Decision-MakingProcessesinPatternRecognition，TheMacmillianCompany，Newyork(1982)。(模式识别中的判定生成过程，麦克米兰公司，纽约，1962年)在Sebestyen的书中第4章里，他描述了几个分类的近似技术和自适应技术，指出这些技术是在输入信息的快速处理和修改当中必然要产生出来的。书中介绍了用来构成判定区域的一种简单算法。在该算法中，判定区域是由存贮有代表性的类别取样构成的。新的输入分类是根据最接近于存贮取样值的距离进行的。一个输入被认为属于类别A，这是由于它至少比任何一种类别B的典型组成部分更接近于类别A的典型组成部分。在该书第97-98页上描述的这种方法的精华之处指出，在近似于比例计算的判定程序中采用有限数的给定取样值;因为它是以局部多数规则为依据作出判定的;只要在过去的一段时间里，在半径r的范围内，观测到的A取样值比B取样值多，就将输入认为是属于A类。Sebestyen还描述了一些通过选择性地取样一组已知的组成部分表示并存贮关于类别知识的机器。将所选择的取样值按照与分配一组已知组成部分相同的方式进行分配，因此这些取样值将复盖与矢量空间区域完全相同的区域。这些分类的判定是以该输入与最接近于所选择的取样值的距离为根据的。他指出，这本文档来自技高网...

【技术保护点】
一种并行相联存贮器，包括：用于接受检索模式的装置；用于在相应地址存贮和检索多个识别模式的多个可寻址存贮装置；用于对所述可寻址存贮装置寻址，以便从每个所述可寻址存贮装置同时检索一系列所述被存贮的识别模式的装置；用于把所述检索模 式与从每个所述可寻址存贮装置检索的多个识别模式同时相比较的装置；用于根据所述比较装置的比较，选择至少一个与所述检索模式密切符合的识别模式的装置；和用于输出指明由所述选择装置选择的至少一个识别模式的信号的装置。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：特里W波特，格伦C沃雷尔，
申请(专利权)人：数字设备公司，
类型：发明
国别省市：US[美国]