ПРЕДИСЛОВИЕ

При написании данной книги мы ставили своей целью дать систематическое изложение важнейших разделов распознавания образов — области науки, связанной с машинным распознаванием тех или иных закономерностей при наличии шума или в сложных условиях. Стимулированное вычислительной техникой распознавание образов вступило в пору расцвета в начале 60-х годов и более десяти лет энергично развивалось. Такому росту содействовало привлечение многих других дисциплин, таких, как математическая статистика, теория связи, теория коммутационных схем, теория управления, исследование операций, биология, психология, лингвистика и вычислительные науки. Читатели, знакомые с литературой, оценят, насколько все они оживили Данную область.

Такая широта создает также и значительные трудности при написании книги. Единой теории распознавания образов, включающей все главные разделы, нет, ибо каждой области применения свойственны одной ей присущие особенности, в расчете на которые и строится соответствующий подход. Наиболее развитым разделом, не связанным областью применения, является теория классификации, составляющая предмет первой части книги. Для классификации образов, представленных абстрактно в виде векторов, предлагаются формальные математические процедуры, основанные на статистической теории принятия решений.

Попытки отыскать универсальные, независимые от области приложения процедуры для построения этих векторных представлений не дали пока общих результатов. Наоборот, каждая конкретная область задач характеризуется набором процедур, соответствующих ее специфическим свойствам. Среди различных областей, представляющих интерес, наибольшее внимание до настоящего времени привлекала область изображений. Кроме того, работы по этой тематике развивались от классификации изображений к их анализу и описанию. Систематическому изложению этих вопросов в связи с анализом зрительных сцен посвящена часть II данной книги.

Так как теории и методы распознавания образов по своему характеру являются математическими дисциплинами, то необходимо остановиться на уровне математической строгости, принятом в нашем изложении материала. Откровенно говоря, он невысокий. Нас гораздо больше беспокоила возможность разобраться и понять, нежели построить строгое математическое обоснование задачи.

Это нашло отражение в множестве поясняющих примеров, правдоподобных доводах и обсуждениях поведения решений. Наравне с этим мы избегали пользоваться теорией меры и попытались обойтись без таких тонкостей, как сходимость последовательностей случайных величин, обоснование применения дельта-функций и возможность патологических случаев. Мы все же предполагаем наличие у читателя общего представления об основных разделах прикладной математики, включая теорию вероятностей и линейную алгебру; для понимания гл. 8 также окажется полезным знакомство с преобразованиями Фурье. Требуемая математическая подготовка должна соответствовать уровню аспиранта первого года обучения по специальностям вычислительная наука, электротехника и статистика.

В связи с тем что распознавание образов представляется весьма специальной областью, возможно, имеет смысл особо отметить методологическую гибкость курса по этому предмету. Многое заимствовав из различных разделов математики, а также других ранее упомянутых дисциплин, распознавание образов служит почти идеальным средством представления различных вопросов в единых рамках. Тем студентам, для которых распознавание образов как таковое не представляет самостоятельного интереса, все же целесообразно овладеть знаниями и развить мастерство, которое сослужит им хорошую службу при других обстоятельствах.

Курсы лекций для аспирантов, основанные на материале данной книги, читались нами в Калифорнийском университете в Беркли и в Станфордском университете. Каждая из двух частей этой книги может быть сравнительно неплохо изучена в течение полусеместра и достаточно глубоко — за семестр. При более сжатых сроках мы рекомендуем работать с отдельными разделами из большинства глав: одни главы прорабатывая основательно, а другие — нет. Как и всегда, интересы преподавателя должны определять окончательный выбор материала.

Мы полагали также, что эта книга окажется полезной и для специалистов-прикладников, и с этой целью попытались сделать материал более доступным. Где возможно, мы старались пользоваться общепринятыми обозначениями и включили в книгу обширный указатель. Каждую главу завершают библиографические и исторические замечания и полезный, как мы надеемся, список литературы. Хотя большие списки литературы и создают впечатление завершенности книги, на самом деле публикации появляются столь интенсивно, что полноты достичь нельзя, и мы не притязали на это.

Весьма полезным при работе над данной книгой оказалось сотрудничество с многими организациями и отдельными лицами. Прежде всего мы хотим поблагодарить Отдел информационных систем Научно-исследовательского управления военно-морских сил за финансирование по контракту № 0014-68-С-0266. Факультеты

электротехники и вычислительных наук в Беркли и Станфорде предоставили возможность проверить материал на учебной аудитории. В центре по искусственному интеллекту при Станфордском научно-исследовательском институте по инициативе руководителей д-ра Ч. А. Розена и д-ра Б. Рафаэля нам были созданы идеальные условия для работы. Хотя мы не в состоянии перечислить всех, кто помог нам своими замечаниями, особо хотелось бы поблагодарить д-ра Н. Дж. Нильсона за его многочисленные предложения по улучшению рукописи. Считаем своим долгом поблагодарить д-ра Т. О. Бинфорда, д-ра Т. М. Ковера, К. Л. Феннема, д-ра Г. Ф. Гронера, Д. Дж. Холла, д-ра М. Е. Хелмана, д-ра М. А. Касслера и д-ра Дж. X. Мансона за их ценные замечания. Кроме того, нам хочется поблагодарить д-ра Р. К. Синглтона за его участие в работе над примерами гл. 8. Й наконец, с удовольстием выражаем признательность неутомимой К. Л. Спенс за. перепечатку различных вариантов рукописи.

Р. О. Дуда

П. Е. Харт