بازشناخت الگو: تفاوت میان نسخه‌ها

تشخيصتشخیص الگو شاخه ايای از مبحث [[يادگيريیادگیری ماشينيماشینی]] است. ميمی توان گفت تشخيصتشخیص الگو، دريافتدریافت داده هايهای خام و تصميمتصمیم گيريگیری بر

اساس دسته بنديبندی داده ها است. بيشتربیشتر تحقيقاتتحقیقات در زمينهزمینه تشخيصتشخیص الگو در رابطه با "[[يادگيريیادگیری نظارت شده]]" يایا " يادگيريیادگیری بدون

نظارت " است. روش هايهای تشخيصتشخیص الگو، الگوهايالگوهای مورد نظر را از يكیک مجموعه داده ها با استفاده از دانش قبليقبلی در مورد الگوها يایا

اطلاعات [[آماريآماری]] داده ها، جداسازيجداسازی ميمی كندکند. الگوهاييالگوهایی كهکه با ايناین روش [[دسته بنديبندی]] ميمی شوند، گروه هاييهایی از اندازه گيريگیری ها يایا مشاهدات هستند كهکه نقاط معينيمعینی را در يكیک فضايفضای چند بعديبعدی تشكيلتشکیل ميمی دهند. ايناین ويژگيویژگی اختلاف عمده تشخيصتشخیص الگو با [[تطبيقتطبیق الگو]] است

كهکه در آنجا الگوها با استفاده از موارد كاملاکاملا دقيقدقیق و معينمعین و بر اساس يكیک الگويالگوی مشخص، تشخيصتشخیص داده ميمی شوند. تشخيصتشخیص الگو و

تطبيقتطبیق الگو از بخش هايهای اصلياصلی مبحث [[پردازش تصويرتصویر]] به خصوص در زمينهزمینه [[بيناييبینایی ماشينماشین]] هستند.

== انواع تشخيصتشخیص الگو ==

نيازنیاز به [[سيستمسیستم هايهای اطلاعاتياطلاعاتی]] بهبود يافتهیافته بيشتربیشتر از قبل مورد توجه قرار گرفته است چرا كهکه اطلاعات عنصريعنصری اساسياساسی در تصميمتصمیم سازيسازی است و جهان در حال افزايشافزایش دادن مقدار اطلاعات در فرم هايهای مختلف با درجه هاييهایی از پيچيدگيپیچیدگی است. يكيیکی از مسائل اصلياصلی در طراحيطراحی سيستمسیستم هايهای اطلاعاتياطلاعاتی مدرنمدرن، ، تشخيصتشخیص الگو به طور اتوماتيكاتوماتیک است. تشخيصتشخیص به عنوان يكیک صفت اصلياصلی انسان بودن است. يكیک الگو ،الگو، توصيفيتوصیفی از يكیک شيءشیء است. يكیک انسان دارايدارای يكیک [[سيستمسیستم اطلاعاتياطلاعاتی]] سطح بالاست كهکه يكیک دليلدلیل آن داشتن قابليتقابلیت تشخيصتشخیص الگويالگوی پيشرفتهپیشرفته است. بر طبق طبيعتطبیعت الگوهايالگوهای مورد تشخيص ،تشخیص، عملياتعملیات تشخيصتشخیص در دو گونه يی اصلياصلی تقسيمتقسیم ميمی شوند.

ايناین ممكنممکن است به عنوان تشخيصتشخیص سنسوريسنسوری معرفيمعرفی شود كهکه تشخيصتشخیص الگوهايالگوهای سمعيسمعی و بصريبصری را دربر ميمی گيردگیرد.

=== تشخیص الگوهای زمانی و فضایی ===

ايناین فرآيندفرآیند تشخيصتشخیص، ، شناساييشناسایی و دسته بنديبندی [[الگوهايالگوهای فضاييفضایی]] و [[الگوهايالگوهای زمانيزمانی]] را در بر ميمی گيردگیرد. مثال هاييهایی از الگوهايالگوهای فضاييفضایی كاركترها ،کارکترها، [[اثر انگشت]] ها ،ها، اشياءاشیاء فيزيكيفیزیکی و [[تصاويرتصاویر]] هستند. الگوهايالگوهای زمانيزمانی شامل فرم هايهای موجيموجی گفتار، سريسری هايهای زمانيزمانی و

== الگوها و کلاس های الگوها ==

تشخيصتشخیص الگو ميمی تواند به عنوان [[دسته بنديبندی]] داده ها يی وروديورودی در كلاسکلاس هايهای شناخته شده به وسيلهوسیله يی استخراج ويژگيهايویژگیهای مهم

يایا صفات داده تعريفتعریف شود. يكیک كلاسکلاس الگو ، يكیک دسته يی متمايزمتمایز شده به وسيلهوسیله يی برخيبرخی صفات و ويژگيویژگی هايهای مشتركمشترک است. ويژگيویژگی هايهای يكیک كلاسکلاس الگو ،الگو، صفات نوعينوعی هستند كهکه بينبین همه يی الگوهايالگوهای متعلق به آن كلاسکلاس مشتركمشترک هستند. ويژگيویژگی هاييهایی كهکه تفاوت هايهای بينبین كلاسکلاس هايهای الگو را بيانبیان ميمی كنندکنند اغلب به عنوان ويژگيویژگی هايهای [[اينترستاینترست]] شناخته ميمی شوند. يكیک الگو ،الگو، توصيفيتوصیفی از يكيیکی از اعضاياعضای دسته است كهکه ارائه دهنده يی كلاسکلاس الگو ميمی باشد. برايبرای راحتي ،راحتی، الگوها معمولا به وسيلهوسیله يی يكیک [[بردار]] نمايشنمایش داده ميمی شوند. مانند :

== مسائل اساسياساسی در طراحيطراحی سيستمسیستم تشخيصتشخیص الگو ==

به طور كليکلی طراحيطراحی يكیک سيستمسیستم تشخيصتشخیص الگو چندينچندین مسئله يی اصلياصلی را در بر ميگيردمیگیرد :

1۱)طریقه نمایش داده ها

2۲)استخراج ویژگی

3۳)تعیین رویه تصمیم بهینه

=== طریقه نمایش داده ها ===

اول از همه ،همه، ما بايستيبایستی در مورد نمايشنمایش داده هايهای وروديورودی تصميمتصمیم بگيريمبگیریم.

=== استخراج ویژگی ===

دوميندومین مسئله در تشخيصتشخیص الگو ،الگو، استخراج ويژگيهاویژگیها يایا صفات خاصيخاصی از داده يی وروديورودی دريافتهدریافته شده و كاهشکاهش ابعاد بردارهايبردارهای

الگوست. ايناین مورد اغلب به عنوان مسئله يی پيشپیش پردازش و استخراج ويژگيویژگی معرفيمعرفی ميمی شود. عناصر ويژگيهايویژگیهای (اينتراستاینتراست ) برايبرای

همه يی كلاسکلاس هايهای الگو مشتركمشترک هستند ميمی توانند حذف شوند. اگر يكیک مجموعه يی كاملکامل از ويژگيهايویژگیهای تشخيصتشخیص برايبرای هر كلاسکلاس از

داده هايهای اندازه گيريگیری شده تعيينتعیین شود. تشخيصتشخیص و دسته بنديبندی الگوهاالگوها، ،دشواری دشواري كمتريکمتری را در برخواهد داشت. تشخيصتشخیص اتوماتيكاتوماتیک

ممكنممکن است به يكیک فرآيندفرآیند تطبيقتطبیق ساده يایا يكیک جدول جستجو كاهشکاهش يابدیابد. به هر حال در بسياريبسیاری از مسائل تشخيصتشخیص الگو ،الگو، در عمل

، تعيينتعیین يكیک مجموعه كاملکامل از ويژگيهايویژگیهای تشخيصتشخیص اگر غيرممكنغیرممکن نباشد دشوار است.

=== تعیین رویه تصمیم بهینه ===

مسئله يی سوم در طراحيطراحی سيستمسیستم تشخيصتشخیص الگو تعيينتعیین رويهرویه هايهای تصميمتصمیم بهينهبهینه است كهکه در فرآيندفرآیند شناساييشناسایی و دسته بنديبندی مورد

نيازنیاز واقع ميمی شود. پس از آنكهآنکه داده هايهای مشاهده شده از الگوها جمع آوريآوری شد و در فرم نقاط الگو يایا بردارهايبردارهای اندازه گيريگیری در

فضايفضای الگو بيانبیان شد ،شد، ما ماشينيماشینی را ميمی خواهيمخواهیم تا تصميمتصمیم بگيردبگیرد كهکه ايناین داده به كدامکدام كلاسکلاس الگو تعلق دارد.

==يادگيري یادگیری و تمرينتمرین دادن ==

[[توابع تصميمتصمیم]] به روشهايروشهای متنوعيمتنوعی قابل توليدتولید هستند. زمانيزمانی كهکه دانش قبليقبلی در مورد الگوهاييالگوهایی كهکه بايستيبایستی تشخيصتشخیص داده شوند ،

موجود باشد ،باشد، تابع تصميمتصمیم براساس ايناین اطلاعات ممكنممکن است با دقت تعيينتعیین شود. زمانيزمانی كهکه تنها دانشيدانشی كيفيکیفی در مورد الگوها موجود

باشد ،باشد، حدس هاييهایی مستدل از فرم هايهای تابع تصميمتصمیم ميمی توان داشت. در ايناین مورد محدوده هايهای تصميمتصمیم ممكنممکن است از پاسخ صحيحصحیح

دور شود. وضعيتوضعیت كليکلی تر آنست كهکه دانش قبليقبلی كميکمی در مورد الگوهايالگوهای مورد تشخيصتشخیص موجود باشد. در ايناین شرايطشرایط ماشينماشین هايهای

تشخيصتشخیص الگو با استفاده از يكیک رويهرویه يی يادگيريیادگیری يایا تمرينتمرین دادن طراحيطراحی بهتريبهتری خواهند داشت. به صورت ابتدائي ،ابتدائی، توابع تصميمتصمیم

موقت فرض ميمی شوند و از طريقطریق دنباله ايای از مراحل تمرينيتمرینی تكراريتکراری، ، ايناین توابع تصميمتصمیم به سمت فرم هايهای بهينهبهینه و راضيراضی كنندهکننده

پيشپیش ميمی روند.

ايناین مهم است به ذهن بسپاريمبسپاریم كهکه تمرينتمرین و يادگيريیادگیری فقط در طول فاز طراحيطراحی [[سيستمسیستم تشخيصتشخیص الگو]] انجام ميمی شوند. هنگاميهنگامی كهکه

نتايجنتایج قابل قبول با مجموعه يی [[الگوهايالگوهای تمرينيتمرینی]] به دست آمدآمد، ،سیستم سيستمبرای برايوظیفه وظيفهی ياجرائی اجرائي واقعيواقعی خود بر رويروی نمونه هايهای

محيطيمحیطی به كارکار گرفته ميمی شود. كيفيتکیفیت كارآئيکارآئی تشخيصتشخیص به طور گسترده ايای به وسيلهوسیله يی تشابه الگوهايالگوهای تمرينيتمرینی و داده هايهای واقعيواقعی

كهکه سيستمسیستم در طول عملياتعملیات مواجه خواهد شدشد، ،تعیین تعيين ميمی شود.

==تشخيص الگويتشخیص الگوی نظارت شده و بدون نظارت ==

در بسياريبسیاری مواردموارد، ،الگوهای الگوهاي نمايندهنماینده از هر كلاسکلاس موجود هستند. در اين وضعيتاین هاوضعیت ،ها، تكنيكتکنیک هايهای [[تشخيصتشخیص الگويالگوی نظارت شده]] ،

كاربرديکاربردی هستند. پايهپایه هايهای ايناین رويكرد ،رویکرد، مجموعه ايای از [[الگوهايالگوهای تمرينيتمرینی]] شناخته شده برايبرای دسته بنديبندی و پيادهپیاده سازيسازی يكیک رويهرویه يی

[[يادگيريیادگیری]] مناسب هستند. در برخيبرخی كاربردها ،کاربردها، فقط مجموعه ايای از الگوهايالگوهای تمرينيتمرینی شناخته نشده برايبرای دسته بنديبندی ممكنممکن است

موجود باشند. در ايناین موقعيتموقعیت هاها، ،تکنیک تكنيك هايهای [[تشخيصتشخیص چهره]] يی بدون نظارت كاربردکاربرد دارند. همانطور كهکه در بالا بيانبیان شدشد، ،تشخیص تشخيص الگويالگوی نظارت يافتهیافته به وسيلهوسیله يی ايناین موضوع كهکه دسته يی صحيحصحیح هر الگويالگوی تمرينيتمرینی مشخص استاست، ،معرفی معرفي ميمی شوند. در مورد بدون نظارت ،نظارت، به هر حال ،حال، با مسئله يی يادگيريیادگیری در كلاسکلاس هايهای الگويالگوی ارائه شده در داده ها ،ها، مواجهيممواجهیم. ايناین مسئله با نام " [[يادگيريیادگیری بدون ناظر]] " نيزنیز شناخته ميمی شود.

==كليات يكکلیات سيستمیک تشخيصسیستم تشخیص الگو ==

در [[دیاگرام]] موجود کلیات یک سیستم [[تشخیص چهره]] تشخيصتشخیص صحيحصحیح به ميزانمیزان اطلاعات موجود در [[اندازه گيريگیری]] ها و نحوه يی استفاده از ايناین اطلاعات وابسته خواهد بود. در برخيبرخی كاربردها ،کاربردها، اطلاعات زمينهزمینه برايبرای بدست آوردن تشخيصتشخیص دقيقدقیق الزاميالزامی است. برايبرای نمونه ،نمونه، در تشخيصتشخیص كاركترهايکارکترهای دست نويسنویس خميدهخمیده و دسته بنديبندی [[اثر انگشت]] ها ،ها، اطلاعات زمينهزمینه با اهميتاهمیت هستند.

== الگوریتم ها ==

الگوریتم انتخابی برای تشخیص الگو، به نوع خروجی،آموزشخروجی، آموزش با ناظر یا بدون ناظر و پویا یا ایستا بودن طبیعت الگوریتم بستگی دارد. الگوریتم های ایستا به دو دسته generative وdiscriminative تقسیم می شوند.

=== الگوریتم های کلاس بندی(الگوریتم های با ناظر پیشگو) ===

* [[درخت تصمیم]] و [[لیست تصمیم]]

* [[ماشین های بردار پشتیبانی]]

* [[شبکه های عصبی]]

* [[پرسپترون]]

* [[k-نزدیکترین همسایگی]]

=== الگوریتم های خوشه ساری(الگوریتم های بدون ناظر پیشگو) ===

* [[مدل های دسته بندی ترکیبی]]

* [[خوشه سازی سلسله مراتبی]]

* [[Kernel PCA]]

=== الگوریتم های مبتنی بر رگرسیون ===

==== با ناظر ====

* [[رگرسیون خطی]]

* [[شبکه های عصبی]]

* [[Gaussian process regression]]

==== بدون ناظر ====

* [[PCA]]

* [[LCA]]

== مطالعه بیشتر ==

* {{cite book|last=Fukunaga|first=Keinosuke|title=Introduction to Statistical Pattern Recognition|edition=2nd|year=1990|publisher=Academic Press|location=Boston|isbn=0-12-269851-7}}

* {{cite book|last=Bishop|first=Christopher|authorlink=Christopher Bishop|title=Pattern Recognition and Machine Learning|year=2006|publisher=Springer|location=Berlin|isbn=0-387-31073-8}}

* {{cite book|last1=Koutroumbas|first1=Konstantinos|last2=Theodoridis|first2=Sergios|title=Pattern Recognition|edition=4th|year=2008|publisher=Academic Press|location=Boston|isbn=1-59749-272-8}}

* {{cite book|last1=Hornegger|first1=Joachim|last2=Paulus|first2=Dietrich W. R.|title=Applied Pattern Recognition: A Practical Introduction to Image and Speech Processing in C++|edition=2nd|year=1999|publisher=Morgan Kaufmann Publishers|location=San Francisco|isbn=3-528-15558-2}}

* {{cite book|last=Schuermann|first=Juergen|title=Pattern Classification: A Unified View of Statistical and Neural Approaches|year=1996|publisher=Wiley|location=New York|isbn=0-471-13534-8}}

* {{cite book|editor=Godfried T. Toussaint|title=Computational Morphology|year=1988|publisher=North-Holland Publishing Company|location=Amsterdam}}

* {{cite book|last1=Kulikowski|first1=Casimir A.|last2=Weiss|first2=Sholom M.|title=Computer Systems That Learn: Classification and Prediction Methods from Statistics, Neural Nets, Machine Learning, and Expert Systems|series=Machine Learning|year=1991|publisher=Morgan Kaufmann Publishers|location=San Francisco|isbn=1-55860-065-5}}