Системы распознавания образов

Классификация — это распределение предметов, явлений по классам, отделам, разрядам в зависимости от их общих свойств.

В основе классификации лежат определенные принципы.

Для классификации систем распознавания будем использовать следующие принципы:

• 1. Однородность информации для описания распознаваемых объектов или явлений.
• 2. Способ получения апостериорной информации.
• 3. Количество первоначальной априорной информации.
• 4. Характер информации о признаках распознавания.

А. Рассмотрим 1-й принцип. (Однородность информации).

Здесь под однородностью следует понимать — различную или единую физическую природу информации (признаков).

По этому принципу СР делятся на:

• -простые;
• -сложные.

Сложные системы распознавания характеризуются физической неоднородностью признаков.

Б. Второй принцип классификации СР. (Способ получения апостериорной информации).

По этому принципу сложные системы распознавания делятся на:

• -одноуровневые;
• -многоуровневые.

В одноуровневых апостериорная информация о признаках распознаваемых объектов определяется прямыми измерениями.

В многоуровневых системах апостериорная информация о признаках определяется на основе косвенных измерений. Для таких измерений используются специальные локальные распознающиеся системы. На входы таких устройств предварительно поступает обработанная измеренная информация, а на выходах образуется либо непосредственная информация о признаках распознаваемых объектов, либо промежуточная информация для устройств следующих уровней, функционирующих следующие распознавания.

В. Третий принцип классификации. (Количество первоначальной априорной информации).

Если в качестве принципа классификации избрать априорную информацию о распознаваемых объектах, то системы распознавания как простые, так и сложные можно разделить на обучающиеся, самообучающиеся и системы без обучения.

Системы без обучения: в этих системах первоначальной априорной информации достаточно для того, чтобы определить априорный алфавит классов, построить априорный словарь признаков и на основе обработки данных произвести описание каждого класса на языке этих признаков. То есть достаточно определить решающие границы и решающие правила. Для построения этого класса систем необходимо располагать полной первоначальной априорной информацией.

Обучающиеся системы: в этих системах первоначальны априорные информации достаточные для того, чтобы определить априорный алфавит классов и построить априорный словарь признаков, но недостаточный для описания классов на языке признаков.

Цель процедуры обучения — это формирование разделенных функций путем многократного предъявления объектов в системе классификации с указанием класса, которому они принадлежат. На этом этапе система работает с «учителем», а после обучения способна распознавать неизвестные ранее объекты.

Самообучающиеся системы: в этих системах априорная информация достаточна лишь для определенного словаря признаков, но недостаточна для проведения классификации объектов.

На стадии формирования систем предъявляются совокупности объектов, каждый из которых описывается набором признаков. Однако система при этом не получает указаний о том, к какому классу принадлежат объекты. Эти указания заменяются наборами правил, в соответствии с которыми на стадии самообучения система распознавания сама вырабатывает классификацию.

Системы, обучающиеся или самообучающиеся до процесса обучения, получают априорную информацию.

Системы могут классифицироваться по характеру информации о признаках распознаваемых объектов:

• 1. Детерминированные
• 2. Вероятностные
• 3. Логические
• 4. Структурные

Для построения алгоритмов детерминированных систем распознавания используются геометрические меры близости, основанные на измерении расстояния между распознаваемыми объектами и эталонными классами.

Для построения алгоритма вероятностных систем распознавания используют вероятностные методы решения, основанные на теории статистических решений. В общем случае применение вероятностных методов предусматривает наличие вероятностных зависимостей между признаками распознавания объектов и классами, которым эти объекты принадлежат.

Для построения алгоритмов логических систем распознавания используют логические методы распознавания, основывающиеся на дискретном анализе и предусматривающие наличие логических связей, выраженных через систему булевых уравнений, в которых переменные — это логические признаки распознаваемых объектов, а неизвестные величины — это классы, к которым эти объекты относятся.

Для построения алгоритмов структурных систем распознавания используют специальные грамматики, которые состоят из предложений, описывающих принадлежность к конкретному классу объектов.