Главная > Введение в статистическую теорию распознавания образов
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
Пред.
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
След.
Макеты страниц

Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше

Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике

ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO

Глава 1. ВВЕДЕНИЕ

В данной книге рассмотрены основные математические методы, применяемые для описания статистических процессов принятия решений в задаче распознавания образов. Интуитивно ясно, что до некоторой степени процесс принятия решений человеком имеет отношение к распознаванию образов; например, в шахматной игре следующий ход делается в зависимости от ситуации (образа), сложившейся в данный момент времени на шахматной доске; решение о том, покупать или продавать акции на бирже, также принимается в результате анализа сложного информационного образа. Поэтому целью создания теории распознавания образов являлось выявление сложных механизмов процессов принятия решений, а также автоматизация этих процессов с помощью средств вычислительной техники.

Однако ввиду сложности проблемы распознавания образов основные исследования в этой области были сосредоточены на более реальных задачах, таких как распознавание букв латинского алфавита и классификация кривых. Задачей настоящей книги является рассмотрение математических моделей такого рода практических задач и изложение основных математических методов их решения. Несмотря на то что в литературе предложено много подходов для описания и более сложных процессов принятия решений, анализ этих подходов лежит вне круга вопросов, затронутых в данной книге.

§ 1.1. Формулировка задачи распознавания образов

Многие важные приложения теории распознавания образов относятся к задачам классификации кривых и геометрических фигур. Рассмотрим, например, задачу диагностики неисправности машины (которая может находиться как в исправном, так и в неисправном состояниях) по шуму, издаваемому в процессе ее работы и регистрируемому микрофоном. Форма кривой напряжения, измеренного на выходе микрофона, является

характеристикой того, исправна машина или неисправна, и задача диагностики сводится к классификации кривых, полученных от исправных и неисправных машин. (С другой стороны, распознавание печатных букв английского алфавита соответствует задаче классификации геометрических фигур.)

Для того чтобы осуществить рассматриваемый тип классификации, вначале необходимо «закодировать» объект, т. е. измерить некоторые наблюдаемые его характеристики. Наиболее простой путь состоит в том, чтобы в качестве таких характеристик выбрать значения ординат кривой выходного напряжения микрофона, измеренные в различные моменты времени (рис. 1.1, а), а в случае распознавания букв — степень заштрихованности клеток как показано на рис. 1.1, б.

Рис. 1.1. (см. скан) Кодирование объектов, а) Кривая, б) буква.

Такие измерений образуют вектор X.

Заметим, что даже при нормальных условиях работы машины наблюдаемые кривые отличаются друг от друга. Поэтому является случайной величиной и будет обозначаться полужирной буквой Таким же образом X называется случайным вектором,

если его компоненты являются случайными величинами, и обозначается X.

Подобные же соображения распространяются и на буквы: наблюдение имеет разные значения для различных написаний одной и той же буквы А, и поэтому также является случайной величиной, случайным вектором.

Таким образом, каждая кривая или буква выражается вектором в -мерном пространстве, а множество кривых или букв образуют распределение вектора X в -мерном пространстве. На рис. 1.2 изображен простой двумерный пример двух распределений, соответствующих исправному и неисправному состоянию машины. Если из прошлого опыта эти два распределения вектора X известны, то можно установить между ними границу которая делит двумерное пространство на две области. Таким образом, при рассмотрении новой кривой в зависимости от знака функции можно решить, соответствует ли эта кривая исправному или неисправному состоянию машины.

Функцию называют дискриминантной функцией, а техническое устройство, определяющее знак -блоком распознавания образов или классификатором. На рис. 1.3 изображена блок-схема классификатора в -мерном пространстве.

Рис. 1.2. Распределение вектора X для исправного и неисправного состояний машины.

Рис. 1.3. Блок-схема классификатора.

Для того чтобы спроектировать классификатор, нужно изучить характеристики распределения вектора X для каждого класса и определить соответствующую дискриминантную функцию.

Ранее был рассмотрен весьма простой способ выполнения измерений. Так как каждое из подобных измерений дает очень

мало информации об объекте, то на практике обычно требуется большое число измерений которое может доходить до нескольких сотен или тысяч. Такая высокая размерность затрудняет решение многих задач распознавания образов. С другой стороны, классификация, производимая человеком, обычно основывается на небольшом числе признаков, как например, максимальная величина, основная частота и т. д. Каждое из этих измерений несет значительную информацию для целей классификации и выбирается в соответствии с физическим смыслом задачи.

Очевидно, что с уменьшением числа входных величин классификатора его проектирование упрощается. Для того чтобы добиться этого, следует наметить некоторые пути для выбора или извлечения существенных информативных признаков из всей совокупности наблюдаемых. Эту задачу называют задачей выбора информативных признаков, и она составляет другой важный раздел теории распознавания образов. Выбор признаков можно рассматривать как отображение исходного -мерного пространства в пространство меньшей размерности. При этом необходимо сохранить свойство разделимости распределений, соответствующих разным классам. Следовательно, отображение должно быть выполнено без существенной потери этого свойства.

Таким образом, как показано на рис. 1.4, задача распознавания образов состоит из двух частей: выбор информативных признаков и проектирование классификатора.

Рис. 1.4. Блок-схема системы распознавания образов.

На практике между этими частями нет четкой границы. Действительно, классификатор можно представить как устройство для выбора признаков, которое отображает признаков в один (дискриминантная функция). Однако в данной книге удобно разделить задачу распознавания на две части и изучать их независимо друг от друга.

1
Оглавление
email@scask.ru