§ 1.3. Классификация систем распознавания

Любая классификация основывается на определенных классификационных принципах. С точки зрения общности классификации систем распознавания рационально рассматривать в качестве классификационного принципа свойства информации, используемой в процессе распознавания.

Системы распознавания можно подразделить на простые и сложные в зависимости от того, физически однородная или физически неоднородная информация используется для описания распознаваемых объектов, имеют ли признаки, на языке которых произведено описание алфавита классов, единую или различную физическую природу.

Простые системы. К ним относят, например, читающие автоматические распознающие устройства, в которых признаки рабочего словаря представляют собой лишь те или иные линейные размеры распознаваемых объектов; автоматы для размена монет, где в качестве признака, используемого при распознавании монет, берется их вес; автоматические устройства, предназначенные для отбраковки деталей, в которых в качестве признаков, применяемых для описания классов бракованных и небракованных деталей, используются либо некоторые линейные размеры, либо вес и т. д.

Сложные системы. К ним относят, например, системы медицинской диагностики, в которых в качестве признаков (симптомов) могут использоваться данные анализа крови и кардиограмма, температура и динамика кровяного давления и т. п.; системы, предназна

ченные для распознавания образцов геологической разведки, в которых в качестве признаков берутся различные физические и химические свойства, или образцов военной техники вероятного противника и т. д.

Если в качестве принципа классификации использовать способ получения апостериорной информации, то сложные системы можно подразделить на одноуровневые и многоуровневые.

В одноуровневых сложных системах ацостериорная информация о признаках распознаваемых объектов определяется прямыми измерениями непосредственно на основе обработки результатов экспериментов (рис. 1.2, где априорная информация; блок алгоритмов распознавания; БУРС—блок управления работой средств).

Рис. 1.2

В многоуровневых сложных системах апостериорная информация о признаках определяется на основе косвенных измерений. Для таких измерений используются специализированные локальные распознающие системы (рис. 1.3).

В одноуровневых системах (рис. 1.2) по данным технических средств на основе обработки полученных реализаций непосредственно находят признаки неизвестных объектов или явлений, которые используются для их распознавания.

В многоуровневых системах (рис. 1.3) по данным технических средств определяются признаки (назовем их первичными), которые подразделяются на группы.

Группа 1. К ней относят признаки, используемые в локальных распознающих устройствах первого (нижнего) уровня (назовем

эти признаки признаками первого уровня) для определения признаков второго уровня. На рис. 1.3 такими признаками являются На основе этих признаков распознающие устройства первого уровня определяют признаки второго уровня

Группа 2. К ней относят признаки, непосредственно используемые в распознающих устройствах второго уровня для определения признаков третьего уровня. На рис. 1.3 таким признаком является используемый наряду с признаками второго уровня в распознающем устройстве второго уровня для определения признака третьего уровня

Рис. 1.3

Группа 3. К ней относят признаки, используемые в распознающих устройствах третьего уровня для определения признаков четвертого уровня и т. д.

К последней группе относят признаки, непосредственно используемые в процессе распознавания неизвестных объектов, т. е. признаки, входящие в рабочий словарь признаков системы распознавания. На рис. 1.3 такими признаками являются (назовем эти признаки признаками верхнего уровня).

Таким образом, в одноуровневых системах распознавания информация о признаках распознаваемого объекта формируется путем прямых измерений непосредственно на основе обработки данных экспериментов. В многоуровневых системах информация о названных признаках формируется на основе косвенных измерений как результат функционирования вспомогательных распознающих

устройств. На входы таких устройств поступает предварительно обработанная измерительная информация, а на выходах образуется либо непосредственно информация о признаках распознаваемых объектов или явлений, либо промежуточная информация, используемая распознающими устройствами следующих уровней для формирования информации о признаках распознаваемых объектов.

Если в качестве принципа классификации избрать количество первоначальной априорной информации о распознаваемых объектах или явлениях, то системы распознавания, как простые, так и сложные, можно разделить на системы без обучения, обучающиеся и самообучающиеся.

Рис. 1.4

Многоуровневые системы распознавания однозначно не подразделяются на указанные классы, так как каждая из локальных систем многоуровневой системы .может в свою очередь представлять собой систему без обучения, обучающуюся либо самообучающуюся.

Системы без обучения. В этих системах первоначальной информации достаточно для того, чтобы в соответствии с выбранным принципом классификации разделить все множество объектов на классы определить словарь признаков и на основе непосредственной обработки исходных данных описать каждый класс объектов на языке этих признаков.

Будем считать, что для построения этого класса систем необходимо располагать полной первоначальной априорной информацией. На рис. 1.4 представлена структурная система без обучения (где ТС — технические средства; АИ - априорная информация; БАР - блок алгоритмов распознавания).

Обучающиеся системы. В этих системах первоначальной априорной информации достаточно для того, чтобы в соответствии с избранным классификационным признаком разделить все множество объектов на классы и определить словарь признаков но недостаточно (либо ее по тем или другим соображениям нецелесообразно использовать) для описания классов на языке признаков. Исходная информация, необходимая для построения обучающихся систем распознавания, позволяет выделить конкретные объекты, принадлежащие различным классам, и может быть представлена в следующем виде:

Положим значения признаков у объекта и т. д., тогда исходная информация может быть представлена в виде обучающей последовательности:

наличие которой позволяет организовать процедуру обучения. Цель процедуры обучения — определение разделяющих функций путем многократного предъявления системе распознавания различных объектов с указанием классов, к которым эти объекты принадлежат.

Рис. 1.5

Системы распознавания с обучением на стадии формирования «работают с учителем». Эта работа заключается в том, что «учитель» многократно предъявляет системе обучающие объекты всех выделенных классов и указывает, к каким классам они принадлежат. Затем «учитель» начинает «экзаменовать» систему распознавания, корректируя ее ответы до тех пор, пока количество ошибок в среднем не достигнет желаемого уровня. На рис. 1.5 представлена структурная схема обучающейся системы (где 00 — обучающие объекты; ТС - технические средства; АИ — априорная информация; БАР - блок алгоритмов распознавания, штриховые линии — режим обучения, сплошные линии — «экзамен»).

Самообучающиеся системы. В этих системах первоначальной априорной информации достаточно лишь для определения словаря признаков но недостаточно для проведения классификации объектов. На стадии формирования системы ей предъявляют исходную совокупность объектов заданных значениями своих признаков Однако из-за ограниченного объема первоначальной информации система при этом не получает указаний о том, к какому классу объекты исходной совокупности принадлежат. Эти указания заменяются набором правил, в соответствии с которыми на стадии самообучения система

распознавания сама вырабатывает классификацию, которая, вообще говоря, может отличаться от естественной, и в дальнейшем ее придерживается. На рис. 1.6 приведена структурная схема самообучающейся системы (где ОС - объекты для самообучения; ТС - технические средства; БАР - блок алгоритмов распознавания; АИ - априорная информация; штриховые линии — режим самообучения; сплошные линии — распознавание неизвестных объектов).

Термин «полная первоначальная априорная информация» характеризует не абсолютное, а относительное количество необходимой информации.

Рис. 1.6

Он указывает на то, что в системах без обучения при прочих равных условиях количество первоначальной информации больше, чем в системах распознавания других названных классов. В то же время для систем распознавания одинаковых классов абсолютное количество первоначальной информации может быть различным при необходимости распознавать объекты или явления различной естественной или социальной природы.

Не следует думать, что системы с обучением или с самообучением обходятся без недостающей априорной информации. Они ее получают в процессе обучения или самообучения. Более того, цель обучения или самообучения — выработать такое количество информации, которое необходимо для функционирования системы распознавания.

Создание обучающихся и самообучающихся систем распознавания обусловлено тем, что на практике достаточно часто встречаются ситуации, когда отсутствует полная первоначальная априорная информация.

Если в качестве принципа классификации использовать характер информации о признаках распознаваемых объектов, которые можно подразделить на логические и вероятностные, то в зависимости от того, на языке каких признаков производится описание этих объектов, системы распознавания могут быть также подразделены на логические и вероятностные.

Логические системы. В этих системах для построения алгоритмов распознавания используются логические методы распознавания, основанные на дискретиом анализе и базирующемся на нем исчислении высказываний. В общем случае применение логических методов распознавания предусматривает наличие логических связей, выраженных через систему булевых уравнений, в которой переменные — логические признаки распознаваемых объектов, а неизвестные величины — классы, к которым эти объекты относятся.

Рис. 1.7

Вероятностные системы. В данных системах для построения алгоритмов распознавания используются вероятностные методы распознавания, основанные на теории статистических решений. В общем случае применение вероятностных методов распознавания предусматривает наличие вероятностных зависимостей между признаками распознаваемых объектов и классами, к которым эти объекты относятся.

Возможная классификация систем распознавания объектов и явлений, основанная на различных свойствах информации, используемой в процессе распознавания, показана на рис. 1.7.

Проследим предложенную классификацию на примере возможного построения медицинской диагностической системы, предназначенной для дифференциальной диагностики двух классов заболеваний — инфаркта мнокарда и стенокардии.

Для определения признаков (симптомов) система должна располагать следующей аппаратурой: термометром, рентгеновским аппаратом, электрокардиографом, аппаратурой для клинического анализа крови.

Словарь признаков, обеспечивающий эффективное распознавание каждого из названных видов заболеваний, состоит из следующих признаков (симптомов): наличие и характер болей, частота пульса, величина артериального давления, температура тела, данные анализа крови — лейкоцитоз и содержание ферментов,

данные ЭКГ - трансформация комплекса сегмента и зубца данные рентгеновского обследования — наличие или отсутствие адинамической зоны и деформация сердца.

К признакам верхнего уровня относятся наличие и характер болей, частота пульса, величина артериального давления, температура тела.

В качестве локальных распознающих систем нижнего уровня следует рассматривать системы электрокардиографическую, рентгенографическую, а также систему — анализатор кроин.

Электрокардиографическая система на основе методов распознавания призвана определять признаки (симптомы) верхнего уровня — изменения комплекса сегмента и зубца Т (инфаркт миокарда) либо уплощение зубца Т и смещение сегмента вниз (стенокардия).

Рентгенографическая система распознавания предназначена для определения наличия адинамической зоны и общего увеличения сердца (инфаркт) или отсутствия названной зоны и факта расширения сердца влево (стенокардия).

Распознающая система — анализатор крови — используется для определения наличия лейкоцитоза и ферментов — трансаминазы, альдолазы, рибозы, что характерно для инфаркта миокарда, так как свидетельствует о наличии очага некроза тканей либо их отсутствии (стенокардия).

Системы медицинской диагностики ориентируются, как правило, на систему симптомов, носящих характер логических утверждений (какой-то симптом имеется в наличии, отсутствует или не обнаружен) При построении электрокардиографических систем распознавания уместно (и это реализовано на практике в ряде систем медицинской диагностики) использование вероятностных зависимостей.

Использование принципов обучения в рассматриваемом примере оправдано при построении электрокардиографической и рентгенографической систем распознавания Построение системы распознавания верхнего уровня, определяющего окончательный диагноз, и системы—анализатора крови, не требует привлечения методов обучения и самообучения, и они могут представлять собой системы без обучения.