Принципы распознавания образов

Научная библиотека

Научная библиотека

Принципы распознавания образов

Ту Дж., Гонсалес Р. Принципы распознавания образов

В книге представлены методы построения распознающих систем и систем обработки больших информационных массивов. Рассматриваются основные постановки задач и важнейшие модели алгоритмов (комбинаторно-логические, статистические и лингвистические). Изложение ведется на достаточно высоком уровне математической строгости.

Особенность книги состоит в том, что рассматриваемые проблемы авторы трактуют в тесной связи с задачами эффективной обработки информации, причем теория распознавания выступает как самостоятельное направление прикладной математики со своими задачами, аппаратом и методологией.

Книга может быть использована в качестве учебного пособия по математическим методам обработки информации, а также как справочное пособие для теоретиков и для тех, кто в своей практической работе сталкивается с задачами обработки информации.

Оглавление

ПРЕДИСЛОВИЕ РЕДАКТОРА ПЕРЕВОДА
ПРЕДИСЛОВИЕ
Глава 1. ВВЕДЕНИЕ
1.1. ПРОБЛЕМА ОБРАБОТКИ ИНФОРМАЦИИ
1.2. ОСНОВНЫЕ ПОНЯТИЯ РАСПОЗНАВАНИЯ ОБРАЗОВ
1.3. ОСНОВНЫЕ ЗАДАЧИ, ВОЗНИКАЮЩИЕ ПРИ РАЗРАБОТКЕ СИСТЕМ РАСПОЗНАВАНИЯ ОБРАЗОВ
1.4. КРАТКОЕ ОПИСАНИЕ КОНЦЕПЦИЙ И МЕТОДОЛОГИИ
2. Принцип общности свойств
3. Принцип кластеризации
1.5. ПРИМЕРЫ АВТОМАТИЧЕСКИХ СИСТЕМ РАСПОЗНАВАНИЯ ОБРАЗОВ
1.6. ПРОСТАЯ МОДЕЛЬ РАСПОЗНАВАНИЯ ОБРАЗОВ
Глава 2. РЕШАЮЩИЕ ФУНКЦИИ
2.2. ЛИНЕЙНЫЕ РЕШАЮЩИЕ ФУНКЦИИ
2.3. ОБОБЩЕННЫЕ РЕШАЮЩИЕ ФУНКЦИИ
2.4. ПРОСТРАНСТВО ОБРАЗОВ И ПРОСТРАНСТВО ВЕСОВ
2.5. ГЕОМЕТРИЧЕСКИЕ СВОЙСТВА
2.5.2. Дихотомии
2.5.3. Дихотомизационная мощность обобщенных решающих функций
2.6. РЕАЛИЗАЦИЯ РЕШАЮЩИХ ФУНКЦИЙ
2.7. ФУНКЦИИ МНОГИХ ПЕРЕМЕННЫХ
2.7.2. Построение функций многих переменных
2.7.3. Ортогональные и ортонормированные системы функций
2.8. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Глава 3. КЛАССИФИКАЦИЯ ОБРАЗОВ С ПОМОЩЬЮ ФУНКЦИЙ РАССТОЯНИЯ
3.2. КЛАССИФИКАЦИЯ ОБРАЗОВ ПО КРИТЕРИЮ МИНИМУМА РАССТОЯНИЯ
3.2.2. Множественность эталонов
3.2.3. Обобщение принципов классификации по минимуму расстояния
3.2.4. Синтез системы распознавания. Пример
3.3. ВЫЯВЛЕНИЕ КЛАСТЕРОВ
3.3.2. Критерии кластеризации
3.3.3. Простой алгоритм выявления кластеров
3.3.4. Алгоритм максиминного расстояния
3.3.5. Алгоритм К внутригрупповых средних
3.3.6. Алгоритм ИСОМАД
3.3.7. Оценка результатов процесса кластеризации
3.3.8. Кластеризация, основанная на теории графов
3.4. РАСПОЗНАВАНИЕ ОБРАЗОВ БЕЗ УЧИТЕЛЯ
3.5. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Глава 4. КЛАССИФИКАЦИЯ ОБРАЗОВ С ПОМОЩЬЮ ФУНКЦИЙ ПРАВДОПОДОБИЯ
4.2. КЛАССИФИКАЦИЯ ОБРАЗОВ КАК ЗАДАЧА ТЕОРИИ СТАТИСТИЧЕСКИХ РЕШЕНИЙ
4.3. БАЙЕСОВСКИЙ КЛАССИФИКАТОР В СЛУЧАЕ ОБРАЗОВ, ХАРАКТЕРИЗУЮЩИХСЯ НОРМАЛЬНЫМ РАСПРЕДЕЛЕНИЕМ
4.4. ВЕРОЯТНОСТИ ОШИБОК
4.5. ВАЖНОЕ СЕМЕЙСТВО ПЛОТНОСТЕЙ РАСПРЕДЕЛЕНИЯ
4.6. ОЦЕНКА ФУНКЦИЙ ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ
4.6.2. Оценка вектора средних значений и ковариационной матрицы
4.6.3. Оценка вектора средних значений и ковариационной матрицы с помощью байесовской обучающей процедуры
4.6.4. Аппроксимация плотностей распределения функциями
4.7. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Глава 5. ОБУЧАЕМЫЕ КЛАССИФИКАТОРЫ ОБРАЗОВ. ДЕТЕРМИНИСТСКИЙ ПОДХОД
5.2. ПЕРЦЕПТРОННЫЙ ПОДХОД
5.2.1. Принцип подкрепления — наказания
5.2.2. Доказательство сходимости
5.2.3. Разновидности перцептронного подхода
5.3. ПОСТРОЕНИЕ АЛГОРИТМОВ КЛАССИФИКАЦИИ ОБРАЗОВ
5.3.2. Алгоритм перцептрона
5.3.3. Алгоритм, основанный на минимизации среднеквадратичной ошибки
5.3.4. Доказательство сходимости НСКО-алгоритма
5.4. КЛАССИФИКАЦИЯ ДЛЯ СЛУЧАЯ НЕСКОЛЬКИХ КЛАССОВ
5.5. ОБУЧЕНИЕ И ОБОБЩЕНИЕ
5.6. ПОДХОД, ОСНОВАННЫЙ НА ИСПОЛЬЗОВАНИИ ПОТЕНЦИАЛЬНЫХ ФУНКЦИЙ
5.6.2. Выбор потенциальных функций
5.6.3. Геометрическая интерпретация коррекции весов
5.6.4. Сходимость алгоритмов обучения
5.6.5. Обобщение на случай нескольких классов
5.7. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Глава 6. ОБУЧАЕМЫЕ КЛАССИФИКАТОРЫ ОБРАЗОВ. СТАТИСТИЧЕСКИЙ ПОДХОД
6.2. МЕТОДЫ СТОХАСТИЧЕСКОЙ АППРОКСИМАЦИИ
6.2.2. Скорость сходимости
6.2.3. Обобщение на многомерный случай
6.3. ПОСТРОЕНИЕ АЛГОРИТМОВ КЛАССИФИКАЦИИ ОБРАЗОВ
6.3.2. Алгоритм корректирующих приращений
6.3.3. Алгоритм наименьшей среднеквадратичной ошибки
6.4. МЕТОД ПОТЕНЦИАЛЬНЫХ ФУНКЦИЙ
6.5. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Глава 7. ПРЕДВАРИТЕЛЬНАЯ ОБРАБОТКА ОБРАЗОВ И ВЫБОР ПРИЗНАКОВ
7.2. РАССТОЯНИЯ
7.3. ПРЕОБРАЗОВАНИЯ КЛАСТЕРИЗАЦИИ И УПОРЯДОЧЕНИЕ ПРИЗНАКОВ
7.4. РОЛЬ КЛАСТЕРИЗАЦИИ В ВЫБОРЕ ПРИЗНАКОВ
7.5. ВЫБОР ПРИЗНАКОВ ПРИ ПОМОЩИ МИНИМИЗАЦИИ ЭНТРОПИИ
7.6. ВЫБОР ПРИЗНАКОВ ПРИ ПОМОЩИ РАЗЛОЖЕНИЙ ПО СИСТЕМЕ ОРТОГОНАЛЬНЫХ ФУНКЦИЙ
7.6.2. Разложение Карунена — Лоэва
7.7. ВЫБОР ПРИЗНАКОВ ПОСРЕДСТВОМ АППРОКСИМАЦИИ ФУНКЦИЯМИ
7.7.2. Метод стохастической аппроксимации
7.7.3. Ядерная аппроксимация
7.7.4. Использование функций признаков при классификации
7.8. КОНЦЕПЦИЯ ДИВЕРГЕНЦИИ
7.9. ВЫБОР ПРИЗНАКОВ НА ОСНОВЕ МАКСИМИЗАЦИИ ДИВЕРГЕНЦИИ
7.10. ВЫБОР ДВОИЧНЫХ ПРИЗНАКОВ
7.11 ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
Глава 8. СИНТАКСИЧЕСКОЕ РАСПОЗНАВАНИЕ ОБРАЗОВ
8.2. ПОНЯТИЯ ТЕОРИИ ФОРМАЛЬНЫХ ЯЗЫКОВ
8.2.2. Типы грамматик
8.3. ПОСТАНОВКА ЗАДАЧИ СИНТАКСИЧЕСКОГО РАСПОЗНАВАНИЯ ОБРАЗОВ
8.4. СИНТАКСИЧЕСКОЕ ОПИСАНИЕ ОБРАЗОВ
8.5. ГРАММАТИКИ, ИСПОЛЬЗУЕМЫЕ В РАСПОЗНАВАНИИ ОБРАЗОВ
8.5.2. Распознавание образов, представленных графами
8.5.3. Распознавание древовидных структур
8.6. СТАТИСТИЧЕСКИЙ АНАЛИЗ
8.6.2. Оценка вероятностей правил подстановки с помощью процедур обучения
8.7. ОБУЧЕНИЕ И ГРАММАТИЧЕСКИЙ ВЫВОД
8.7.2. Вывод двумерных грамматик
8.8. АВТОМАТЫ КАК РАСПОЗНАЮЩИЕ УСТРОЙСТВА
8.9. ЗАКЛЮЧИТЕЛЬНЫЕ ЗАМЕЧАНИЯ
СПИСОК ЛИТЕРАТУРЫ
СПИСОК ОБОЗНАЧЕНИЙ