شناخت الگو – Pattern Recognition

تشخيص الگو عبارت است از دسته بندی و تفکيک الگوهای خاص بر اساس ويژگيهای از پيش تعريف شده، از مجموعهای از دادههای دردسترس. پياده سازی بسياری از مهارتهای انسانی همانند تشخيص چهره، تشخيص صحبت، خواندن حروف دستنوشته با قابليت پايداری بسيار باال در برابر نويز و شرايط محيطی مختلف )همانند آنچه در انسان وجود دارد( توسط ماشين يکی از مشکالت و مسايلی است که در چند دهه اخير مورد توجه پژوهشگران رشتههای مختلف مهندسی از قبيل هوش مصنوعی و بينايي ماشين بوده است. تشخيص الگو دارای کاربردهای فراوانی در شاخههای مختلف علوم از جمله مهندسی برق )پزشکی، کامپيوتر و مخابرات (، بيولوژی، بينايي ماشين، اقتصاد و روانشناسی دارد. از جمله کاربردها میتوان به مواردی از قبيل: بازشناخت صدا، چهره، دستخط، اثر انگشت و امضاء، تشخيص خودکار بيماری از روی دادههای پزشکی )سيگنال و يا تصوير(، شناسايي رشتههای DNA، خودکارسازی صنعتی و سنجش از راه دور اشاره نمود.
تشخيص الگو، به اجمال، با مسئله خوشهيابی ( Clustering ) و تفکيک )Classification( با سرپرست و يا بدون سرپرست سروکار دارد و در برگيرنده طيف گستردهای از روشهای کالسيک آماری، الگوريتمهای هوشمند، شبکههای عصبی و منطق فازی است. در اين درس با مبانی نظری اوليه و ضروری تشخيص الگو )نظريه تصميمگيری بيز، توابع تفکيک خطی و غيرخطی، تخمين پارامترها(، روشهای خوشهيابی با سرپرست و بدون سرپرست، شبکههای عصبی )با تاکيد بر کاربرد در تشخيص الگو(، انتخاب و استخراج ويژگی و کاهش ابعاد فضای ويژگی آشنا خواهيم شد.

 

IEEE Transaction on Pattern Analysis and Machine Intelligence (PAMI), IEEE Press.
Pattern Recognition, (Pergamon-Elsevier)
Pattern Recognition Letters ( Elsevier)
International Journal of Pattern Recognition and Artificial Intelligence
Pattern Analysis and Applications
International Journal of Document Analysis and Recognition
IEEE Transactions on Neural Networks
Neural Computation
Neural Networks
Intelligent Data Analysis

شناسایی الگو (Pattern Recognition):
شناسایی الگو، شاخه ای از هوش مصنوعی است که با طبقه بندی و توصیف مشاهدات سروکار دارد. شناسایی الگو به ما کمک می‌کند داده‌ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می‌بایست طبقه بندی شوند، معمولاً گروهی از سنجش‌ها یا مشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می‌نماند. یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر، که مشاهدات را که می‌بایست توصیف یا طبقه بندی شوند جمع آوری می‌نماید، یک سازوکار برای استخراج ویژگی‌ها که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می‌کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگی‌ها نمایش می‌دهند) و یک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی‌های استخراج شده عهده دار است.
شکل زیر نمودار بلوکی یک سیستم شناسایی الگو را نشان می‌دهد. همانطوری که از پیکان‌های برگشتی مشخص است، این بلوک‌ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است که بلوک‌های اولیه مجدداً طراحی گردند تا راندمان کلی سیستم بهبود یابد.

 

پیام بگذارید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

sixty − = fifty two