Rozpoznawanie wzorców

Z Wikipedii, wolnej encyklopedii

Rozpoznawanie wzorców – 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.

W rozpoznawaniu wzorców dąży się 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.

Zobacz też[edytuj | edytuj kod]