АНАЛИЗ ПЕРСПЕКТИВНЫХ НАПРАВЛЕНИЙ РАЗВИТИЯ МЕТОДОВ РАСПОЗНАВАНИЯ - Методы распознавания образов,

Это окончание невероятной информации про методы распознавания образов.

...

выделение некоторого конечного подмножества – акт субъективный. Следовательно «абсолютно объективной» классификации не существует. Если известна цель, для достижения которой делается классификация, то качество классификации проверяется тем, хорошо ли она способствует достижению этой цели, удобна ли, экономична и т. д. Эта проверка носит объективный характер, но выбор цели субъективен и для одной цели данная классификация будет хорошей, а для другой нет.

Объект — это точка в многомерном признаковом пространстве . Объектами могут быть любые сущности, которые необходимо подвергнуть классификации.

К примеру признак f1 – рост, а признак f2 – вес, тогда x – это конкретное значение роста человека (или объекта) A (например 120 см.), а y – значение веса объекта A (например 70 кг.)

свойство (признак) — некоторая характеристика объекта. (рост, вес, цвет, глубина, наличие, амплитуда, цена и т.д.)

Прямые свойства — свойства, определяющие принадлежность объекта к конкретному образу.

Косвенные свойства — свойства, описывающие объекты, но не определяющие принадлежность объекта к конкретному образу. Их можно определить более простым и дешевым способом, чем прямые свойства.

К примеру наша цель выбрать арбуз(спелый), тогда мы можем руководствоваться разными методиками основанными на его косвенных свойствах: простукивание, анализ цвета, формы, рисунка, веса, хвостика...

Или можем надрезать его(если у нас с собой есть нож) и попробовать на вкус – это проба его прямого свойства (спелый /не спелый), но тогда арбуз быстро испортится.Поэтому выделение из всего множества арбузов подмножества спелых арбузов на основе их косвенных свойств – очень полезный навык.

шкала измерений ( шкала свойств ) — способ измерения признака (свойства) объекта. Существуют следующие шкалы измерений:

Примеры:

2. Присутствие студента на лекции («есть»» или «нет») – это логическая 1-го рода;

3. Оценка в зачетной книжке – (3 или 4 или 5 и т.п.) – это логическая 2-го рода.

Образ — совокупность объектов, объединенная некоторыми общими свойствами.

Образ, класс — классификационная группировка в системе классификации, объединяющая (выделяющая) определенную группу объектов по некоторому признаку.

Образное восприятие мира — одно из загадочных свойств живого мозга, позволяющее разобраться в бесконечном потоке воспринимаемой информации и сохранять ориентацию в океане разрозненных данных о внешнем мире. Воспринимая внешний мир, мы всегда производим классификацию воспринимаемых ощущений, т. е. разбиваем их на группы похожих, но не тождественных явлений. Например, несмотря на существенное различие, к одной группе относятся все буквы А, написанные различными почерками, или все звуки, соответствующие одной и той же ноте, взятой в любой октаве и на любом инструменте, а оператор, управляющий техническим объектом, на целое множество состояний объекта реагирует одной и той же реакцией. Характерно, что для составления понятия о группе восприятий определенного класса достаточно ознакомиться с незначительным количеством ее представителей. Ребенку можно показать всего один раз какую-либо букву, чтобы он смог найти эту букву в тексте, написанном различными шрифтами, или узнать ее, даже если она написана в умышленно искаженном виде. Это свойство мозга позволяет сформулировать такое понятие, как образ.

материал обучения (МО)- Объекты, на которых измерены прямые свойства, называются материалом обучения (МО).

материал экзамена (МЭ)- Объекты, на которых не измерены прямые свойства, называются, материалом экзамена (МЭ).

Решающее правило - Правило, с помощью которого любой объект можно отнести к одному из заданных образов.

К примеру, если наша цель отобрать баскетболистов для сборной, и основным критерием является рост, то решающим правилом будет рост = 190 см, т.е. кандидаты у которых рост меньше не пройдут, а у которых рост больше попадут в нашу сборную.

таблица объекты-свойства (ТОС)

мера сходства — любая функция , характеризующая сходство между

двумя объектами и удовлетворяющая условиям:

1.

2. — симметричность;

3. (тогда и только тогда, когда) x = y

метрика в распознавании– это любая функция , определяющая расстояние между двумя объектами и удовлетворяющая условиям:

Ошибки 1-го и 2-го рода при распознавании

Ошибка 1-го рода возникает, если объект, в действительности относящийся к 1-му образу, мы относим ко 2-му.

Ошибка 2-го рода возникает, если ситуация обратная, т. е. объект, относящийся ко 2-му образу, мы относим к 1-му.

Информативность косвенных свойств — качество характеристики определенного свойства для конкретного объекта материала экзамена.

Априорные предположения — это, накопленные и записанные специальным образом знания специалистов.

АНАЛИЗ ПЕРСПЕКТИВНЫХ НАПРАВЛЕНИЙ РАЗВИТИЯ МЕТОДОВ РАСПОЗНАВАНИЯ

Анализ перспективных направлений развития методов распознавания показывает, что для успешного достижения цели исследования необходимо решить (или обойти) следующие проблемы:

• комбинаторного взрыва;
• достижения независимости времени распознавания от размерности обучающей выборки;
• корректного снижения размерности пространства признаков без существенной потери содержащейся в них значимой информации;
• достижения высокой валидности результатов анализа.

Первая и вторая проблемы имеют сходное происхождение и возникают при попытке прямого перебора вариантов кластеризации и во многих методах распознавания.

Третья - при выявлении наиболее существенного и отбрасывании относительно несущественного в созданных Системой образах. Аналогичную проблему решает художник, когда переносит на двумерный холст изображение трехмерного пейзажа, причем так, чтобы при этом сохранилась максимальная узнаваемость этого пейзажа. Практически работающее программное средство, реализующее данную функцию, должно корректно понижать размерность пространства описания от нескольких тысяч, до сотен или даже десятков признаков. На практике снижение размерности пространства признаков сводится к двум задачам: во-первых определение ценности признаков для решения задачи распознавания, и, во-вторых, отбрасывание незначимых признаков. Сделать это корректно не так просто в связи с тем, что все признаки, вообще говоря, взаимосвязаны и ценность одних признаков может меняться весьма значительно при отбрасывании других, даже несущественных признаков.

Четвертая - при разработке такой математической модели и программной реализации Системы, которые бы обеспечивали наиболее высокий уровень соответствия существа выполняемых Системой операций, моделирующих процессы восприятия и познания (а также их результатов) интуитивному пониманию пользователем и экспертом подобных процессов в психике человека. Из опыта математического эксперимента известно, что результаты кластерного анализа и даже идентификации к сожалению слишком часто не соответствуют представлениям человека-эксперта о данной предметной области, хотя и соответствуют логике математической модели. Это означает, что такие модели обладают низкой внешней валидностью, т.е. не отражают существо тех процессов обработки информации, с помощью которых нормальный компетентный человек и в нормальном состоянии сознания реализует аналогичные когнитивные функции. Следовательно, перспективная математическая модель и ее программная реализация должны обеспечивать интуитивно понятную содержательную интерпретацию при применении в тех предметных областях, в которых у человека-эксперта имеется развитая и адекватная реальности система ориентации. По мнению авторов, именно применение такого рода моделей можно считать корректным, т.к. в противном случае трудно сказать, как можно применить результаты их работы. Данный подход позволяет обоснованно надеяться на то, что и в новых малоизученных областях такая модель даст корректные результаты и удовлетворит потребности познающего человека в той или иной предметной области.

Уместно отметить, что многие перспективные разработки систем распознавания ориентируются на еще не созданные перспективные вычислительные системы или на очень мощные, а значит редкие, дорогие и недоступные для массового пользователя компьютеры. Это обстоятельство переводит подобные разработки в категорию фундаментальных научных исследований, которые в настоящее время в реальных условиях мало кем могут быть реально использованы.

Как уже отмечалось, методы решения задач распознавания можно условно разделить на детерминистские и статистические. Начнем с детерминистских методов.

Вау!! 😲 Ты еще не читал? Это зря!

• детерминистские методы решения задач распознавания , построение решающих правил , метод построения эталонов ,
• метод дробящихся эталонов линейные решающие правила ,
• метод ближайших соседей метод потенциальных функций ,
• структурные лингвистические методы ,
• кластерный анализ в распознавании образов ,

Представленные результаты и исследования подтверждают, что применение искусственного интеллекта в области методы распознавания образов имеет потенциал для революции в различных связанных с данной темой сферах. Надеюсь, что теперь ты понял что такое методы распознавания образов, объект, свойство, признак, шкала измерений, шкала свойств, образ , материал обучения, материал экзамена, решающее правило, таблица объекты-свойства, тос, мера сходства, метрика и для чего все это нужно, а если не понял, или есть замечания, то не стесняйся, пиши или спрашивай в комментариях, с удовольствием отвечу. Для того чтобы глубже понять настоятельно рекомендую изучить всю информацию из категории Распознавание образов

Продолжение:

Часть 1 Методы распознавания образов, классификация и основные понятия
Часть 2 ЭКСТЕНСИОНАЛЬНЫЕ МЕТОДЫ - Методы распознавания образов, классификация и основные понятия
Часть 3 АНАЛИЗ ПЕРСПЕКТИВНЫХ НАПРАВЛЕНИЙ РАЗВИТИЯ МЕТОДОВ РАСПОЗНАВАНИЯ - Методы распознавания образов,