ГЛАВА 10. Выбор признаков и распознавание образов

10.1. Введение

Распознавание образов включает в себя две основные области исследования: 1) выбор признаков и 2) создание классификаторов образов, что в общем виде показано на структурной схеме рис. 10.1. Через обозначается сигнал, принадлежащий одному из К классов . Дискретизация приводит к последовательности данных

Рис. 10.1. Система распознавания образов

которую можно представить как -вектор. На первом этапе выбора признаков осуществляется ортогональное преобразование. Различные ортогональные преобразования были рассмотрены в гл. 3—7. Так как такие преобразования обеспечивают взаимно однозначное отображение, то последовательность коэффициентов преобразования

также представляет собой -вектор. Обычно N бывает достаточно велико. Интуитивно можно предположить, что по мере уменьшения числа входов классификатора его расчет и реализация упрощаются. Таким образом, вторым этапом выбора признаков является понижение размерности, после чего получаем подмножество М признаков из , так что размерность следует таким образом, чтобы сопутствующее этому увеличение ошибки классификации была относительно невелико. Вектор называется образом или вектором образа.

Классификатор, изображенный на рис. 10.1, является решающим устройством, которое обучается с целью классификации входного сигнала , принадлежащего к одному из К классов. Классификаторам образов посвящена обширная литература [1-7].

Основная задача настоящей главы заключается в том, чтобы показать, как дисперсионный критерий (развитый в предыдущей главе) может быть использован для понижения размерности при сравнительно небольшом увеличении ошибки классификации.

Это будет показано на примере нескольких частных случаев. Предварительно необходимо ознакомиться с простейшими алгоритмами классификации и их реализацией. В основном будут рассматриваться классификаторы образов, построенные по критерию минимума расстояния.