Rozpoznawanie wzorców

Rozpoznawanie wzorców to pole badawcze w obrębie uczenia maszynowego. Może być definiowane jako działanie polegające na pobieraniu surowych danych i podejmowaniu dalszych czynności zależnych od kategorii, do której należą te dane.

Celem rozpoznawania wzorców jest dążenie do klasyfikacji danych (wzorców) w oparciu o wiedzę aprioryczną lub o informacje uzyskane na drodze statystycznej analizy danych służącej wydobywaniu cech obiektów. Klasyfikowane wzorce to zazwyczaj grupy wyników pomiaru lub obserwacji definiujące położenie odpowiadających im punktów w wielowymiarowej przestrzeni cech.

Kompletny system rozpoznawania wzorców składa się z:

  • czujnika, który dostarcza obserwacji, które mają być klasyfikowane lub opisywane
  • mechanizmu wydobywania cech, które najlepiej charakteryzują i separują klasę, do której dana obserwacyjna należy, następnie mechanizmu przekształcenia w symboliczną informację
  • schematu decyzyjnego lub schematu opisywania, który realizuje właściwą część procesu klasyfikacji lub opisywania obserwacji w oparciu o wydobyte cechy obiektów oraz o wiedzę a priori.

Leave a Comment

Twój adres email nie zostanie opublikowany. Pola, których wypełnienie jest wymagane, są oznaczone symbolem *