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 می کند داده ها (الگوها) را با تکیه بر دانش قبلی یا اطلاعات آماری استخراج شده از الگوها، طبقه بندی نماییم. الگوهایی که می بایست طبقه بندی شوند، معمولاً گروهی از سنجش ها یا مشاهدات هستند که مجموعه نقاطی را در یک فضای چند بعدی مناسب تعریف می نماند. یک سیستم شناسایی الگوی کامل متشکل است از یک حسگر، که مشاهدات را که می بایست توصیف یا طبقه بندی شوند جمع آوری می نماید، یک سازوکار برای استخراج ویژگی ها که اطلاعات عددی یا نمادین را از مشاهدات، محاسبه می کند، (این اطلاعات عددی را با یک بردار بنام بردار ویژگی ها نمایش می دهند) و یک نظام طبقه بندی یا توصیف که وظیفه اصلی طبقه بندی یا توصیف الگوها را با تکیه بر ویژگی های استخراج شده عهده دار است.
شکل زیر نمودار بلوکی یک سیستم شناسایی الگو را نشان می دهد. همانطوری که از پیکان های برگشتی مشخص است، این بلوک ها لزوماً مستقل نیستند و بسته به نتایج حاصله گاهی لازم است که بلوک های اولیه مجدداً طراحی گردند تا راندمان کلی سیستم بهبود یابد.