بازشناخت الگو: تفاوت میان نسخه‌ها

تشخیص الگو شاخه‌ای از مبحث [[یادگیری ماشینی]] است. می‌توان گفت تشخیص الگو، دریافت داده‌های خام و تصمیم گیریتصمیم‌گیری بر اساس دسته‌بندی داده‌ها است. بیشتر تحقیقات در زمینه تشخیص الگو در رابطه با «[[یادگیری با نظارت|یادگیری نظارت شده]]» یا «[[یادگیری بی‌نظارت|یادگیری بدون نظارت]]» است. روش‌های تشخیص الگو، الگوهای مورد نظر را از یک مجموعه داده‌ها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات [[آماری]] داده‌ها، جداسازی می‌کند. الگوهایی که با این روش [[دسته‌بندی]] می‌شوند، گروه‌هایی از اندازه‌گیری‌ها یا مشاهدات هستند که نقاط معینی را در یک فضای چند بعدی تشکیل می‌دهند. این ویژگی اختلاف عمده تشخیص الگو با [[تطبیق الگو]] است، که در آنجا الگوها با استفاده از موارد کاملاً دقیق و معین و بر اساس یک الگوی مشخص، تشخیص داده می‌شوند. تشخیص الگو و

نیاز به [[سیستم‌های اطلاعاتی]] بهبود یافته بیشتر از قبل مورد توجه قرار گرفته استگرفته‌است چرا که اطلاعات عنصری اساسی در تصمیم سازیتصمیم‌سازی است و جهان در حال افزایش دادن مقدار اطلاعات در فرم‌های مختلف با درجه‌هایی از پیچیدگی است. یکی از مسائل اصلی در طراحی سیستم‌های اطلاعاتی مدرن، تشخیص الگو به طوربه‌طور اتوماتیک است. تشخیص به عنوان یک صفت اصلی انسان بودن است. یک الگو، توصیفی از یک شیء است. یک انسان دارای یک [[سیستم اطلاعاتی]] سطح بالاست که یک دلیل آن داشتن قابلیت تشخیص الگوی پیشرفته استپیشرفته‌است. بر طبق طبیعت الگوهای مورد تشخیص، عملیات تشخیص در دو گونهٔ اصلی تقسیم می‌شوند.

تشخیص الگو می‌تواند به عنوان [[دسته‌بندی]] داده‌ها ی ورودی در کلاس‌های شناخته شده به وسیلهٔ استخراج ویژگیهایویژگی‌های مهم

به طوربه‌طور کلی طراحی یک سیستم تشخیص الگو چندین مسئلهٔ اصلی را در بر می‌گیرد:

دومین مسئله در تشخیص الگو، استخراج ویژگیهاویژگی‌ها یا صفات خاصی از دادهٔ ورودی دریافته شده و کاهش ابعاد بردارهای

الگوست. این مورد اغلب به عنوان مسئلهٔ پیش پردازش و استخراج ویژگی معرفی می‌شود. عناصر ویژگیهایویژگی‌های (اینتراست) برای

همهٔ کلاس‌های الگو مشترک هستند می‌توانند حذف شوند. اگر یک مجموعهٔ کامل از ویژگیهایویژگی‌های تشخیص برای هر کلاس از

، تعیین یک مجموعه کامل از ویژگیهایویژگی‌های تشخیص اگر غیرممکن نباشد دشوار است.

[[توابع تصمیم]] به روشهایروش‌های متنوعی قابل تولید هستند. زمانی که دانش قبلی در مورد الگوهایی که بایستی تشخیص داده شوند،

موقت فرض می‌شوند و از طریق دنباله‌ای از مراحل تمرینی تکراری، این توابع تصمیم به سمت فرم‌های بهینه و راضی کنندهراضی‌کننده

محیطی به کار گرفته می‌شود. کیفیت کارآئی تشخیص به طوربه‌طور گسترده‌ای به وسیلهٔ تشابه الگوهای تمرینی و داده‌های واقعی

* [[خوشه سازیخوشه‌سازی سلسله مراتبی]]