Главная > Принципы 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
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
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

3. Принцип кластеризации

Когда образы некоторого класса представляют собой векторы, компонентами которых являются действительные числа, этот класс можно рассматривать как кластер и выделять только его свойства в пространстве образов кластера. Построение систем распознавания, основанных на реализации данного принципа, определяется взаимным пространственным расположением отдельных кластеров. Если кластеры, соответствующие различным классам, разнесены достаточно далеко друг от друга, то с успехом можно воспользоваться сравнительно простыми схемами распознавания, например такими, как классификация по принципу минимального расстояния, рассмотренная в гл. 3. Если же кластеры перекрываются, приходится обращаться к более сложным методам разбиения пространства образов, подобно, например, рассмотренным в гл. 4—6. Перекрытие кластеров является результатом неполноценности доступной информации и шумовых искажений результатов измерения. Поэтому степень перекрытия часто удается уменьшить, увеличивая количество и качество измерений, выполняемых над образами некоторого класса.

Для реализации рассмотренных выше основных принципов построения автоматических систем распознавания образов существуют три основных типа методологии: эвристическая, математическая и лингвистическая (синтаксическая). Нередко системы распознавания создаются на основе комбинации этих методов.

1. Эвристические методы

За основу эвристического подхода взяты интуиция и опыт человека; в нем используются принципы перечисления членов класса и общности свойств. Обычно системы, построенные такими

методами, включают набор специфических процедур, разработанных применительно к конкретным задачам распознавания. В § 1.2 приведен пример подобного подхода в связи с задачей распознавания символов, в которой классификация образа (символа) производилась на основе выделения определенных признаков, в частности таких, как количество и последовательность расположения специфических штрихов (черточек). Хотя эвристический подход играет большую роль в построении систем распознавания образов, не много может быть сказано относительно общих принципов синтеза, так как решение, каждой конкретной задачи требует использования специфических приемов разработки системы. Это означает, следовательно, что структура и качество эвристической системы в значительной степени определяются одаренностью и опытом разработчиков.

2. Математические методы

В основу математического подхода положены правила классификации, которые формулируются и выводятся в рамках определенного математического формализма с помощью принципов общности свойств и кластеризации. Этим данный подход отличается от эвристического, в котором решения определяются с помощью правил, тесно связанных с характером решаемой задачи. Математические методы построения систем распознавания можно разделить на два класса: детерминистские и статистические.

Г Детерминистский подход базируется на математическом аппарате, не использующем в явном виде статистические свойства изучаемых классов образов. Примером детерминистского подхода могут служить рассматриваемые в гл. 5 итеративные алгоритмы обучения.

Статистический подход основывается на математических правилах классификации, которые формулируются и выводятся в терминах математической статистики. Как мы увидим ниже в гл. 4 и 6. построение статистического классификатора в общем случае предполагает использование байесовского классификационного правила и его разновидностей Это правило обеспечивает получение оптимального классификатора в тех случаях, когда известны плотности распределения для всех совокупностей образов и вероятности появления образов для каждого класса.

3. Лингвистические (синтаксические) методы

Если описание образов производится с помощью непроизводных элементов (подобразов) и их отношений, то для построения автоматических систем распознавания применяется

лингвистический или синтаксический подход с использованием принципа общности свойств. Образ можно описать с помощью иерархической структуры подобразов, аналогичной синтаксической структуре языка. Это обстоятельство позволяет применять при решении задач распознавания образов теорию формальных языков. Предполагается, что грамматика образов содержит конечные множества элементов, называемых переменными, непроизводными элементами и правилами подстановки. Характер правил подстановки определяет тип грамматики. Среди наиболее изученных грамматик можно отметить регулярные, бесконтекстные и грамматики непосредственно составляющих. Ключевыми моментами данного подхода являются выбор непроизводных элементов образа, объединение этнх элементов и связывающих их отношений в грамматики образов и, наконец, реализация в соответствующем языке процессов анализа и распознавания. Такой подход (он обсуждается в гл. 8) особенно полезен при работе с образами, которые либо не могут быть описаны числовыми измерениями, либо столь сложны, что их локальные признаки идентифицировать не удается и приходится обращаться к глобальным свойствам объектов.

В нашей книге основное внимание будет уделено второму и третьему подходам. Хотя, как отмечалось выше, эвристический подход весьма важен, в целом о нем можно сказать очень немного. Следует, однако, заметить, что глубокое понимание других методов является прочной гарантией построения систем распознавания на основании интуитивного подхода.

Выбор метода синтеза системы еще не решает до конца проблему составления конкретной программы и проблемы реализации. В большинстве случаев у нас в распоряжении имеются репрезентативные образы, представляющие каждый из рассматриваемых классов. В таких ситуациях можно воспользоваться методами распознавания, называющимися обучением с учителем. В схеме обучения с учителем система «обучается» распознавать образы с помощью разного рода адаптивных схем. Ключевыми элементами такого подхода являются обучающие множества

образов, классификация которых известна, и реализация соответствующей процедуры обучения.

В некоторых прикладных задачах принадлежность к определенным классам элементов обучающего множества неизвестна. В таких случаях можно обратиться к методам распознавания образов, называющимся распознаванием без учителя. Как указывалось ранее, распознавание по схеме «обучение с учителем» характеризуется тем, что известна правильная классификация каждого обучающего образа. В случае «обучения без учителя» требуется, однако, конкретно изучить классы образов, которые имеются в данной информации. Эта задача довольно подробно рассматривается в гл. 3.

Важно ясно представлять себе, что обучение происходит только на этапе построения (или коррекции в связи с поступлением новой информации) системы распознавания. Как только система, работая с обучающим множеством образов, добивается приемлемых результатов, ей предлагается реальная задача распознавания пробных объектов, взятых из той среды, в которой системе предстоит работать. Естественно, качество распознавания будет в существенной степени определяться тем, насколько хорошо обучающие образы представляют реальные данные, с которыми система будет сталкиваться в процессе нормальной эксплуатации.

1
Оглавление
email@scask.ru