поддержка
проекта:
разместите на своей странице нашу кнопку!И мы
разместим на нашей странице Вашу кнопку или ссылку. Заявку прислать на
e-mail
код нашей кнопки:
Распознавание образов
Распознавание образов - направление, возникшее в рамках кибернетики и
связанное с разработкой теоретических основ и практической реализацией
устройств и систем, предназначенных для распознавания неизвестных
объектов, явлений, ситуаций, процессов. Это направление родилось в конце
50-х - начале 60-х гг. нашего столетия и уже стало по существу
самостоятельной наукой.
"Распознавание образов" не очень удачное название. Это всего лишь не
очень точный перевод с английского языка термина "Pattern Recognition".
"Pattern" можно перевести на русский язык как "образец", "образчик",
"шаблон". Впрочем, оно может быть переведено также как "образ". Суть
задачи распознавания - это распознавание данного неизвестного образца, а
не образа. Под образом же понимается совокупность образцов, класс
образцов, в чем-то близких друг другу. Именно из-за близости этих
образцов они и объединяются в один класс, т. е. в один образ. Например:
класс (образ) визуальных изображений буквы А, буквы Б и т. д. или класс
звуковых "изображений" буквы А, буквы Б и т. д.
Распознать неизвестный образец (объект, явление, ситуацию, процесс) -
это установить, к какому классу (образу) этот объект может быть отнесен.
Если, скажем, данный автомобиль в процессе распознавания отнесен к
классу автомобилей ВАЗ, то считается, что он распознан.
Еще один пример распознавания - это постановка медицинского диагноза
врачом, на прием к которому пришел пациент. Прежде всего врач определяет
симптомы болезни пациента - измеряет температуру, кровяное давление,
прослушивает его сердце и легкие. Если необходимо, отправляет пациента
сделать рентгеноскопию, снять электрокардиограмму, сдать на анализ кровь
и т. д. Собрав все результаты обследования (так называемую апостериорную
информацию о состоянии пациента), врач сопоставляет ее с известными ему
признаками болезни - априорной информацией, полученной в ходе обучения в
институте и накопленного опыта работы и содержащейся в его памяти.
Обычно это информация о взаимосвязях различных болезней и их симптомах.
Сопоставляя апостериорную информацию с априорной, врач определяет
состояние пациента - болен он или нет, а если болен, то чем именно, т.
е. ставит диагноз (распознает болезнь).
Понятно, что чем больше априорной информации о каждой болезни врач в
состоянии удержать в своей памяти, тем точнее он может поставить
диагноз. Правда, достаточно трудно сказать, как сопоставляют врачи
апостериорную информацию о данном пациенте с априорными описаниями
различных заболеваний, иначе говоря, какими алгоритмами распознавания
пользуются врачи при постановке диагноза. В этом процессе принимают
участие и знания, и опыт, и память о прецедентах, а подчас - интуиция,
озарение.
Именно исходя из этого представления о процессах распознавания и
разрабатываются реальные системы распознавания. В основе их лежит
следующая на первый взгляд простая процедура. Пусть каждый объект
распознавания описывается набором признаков: Р\, Рг, -чРк- Для каждого
объекта (образца) эти признаки принимают вполне определенное числовое
или словесное значение. Классы объектов характеризуются некоторыми
соотношениями, определенными на этих признаках. Для того чтобы отнести
некоторый объект к определенному классу, надо выполнить три шага:
определить для данного объекта значения признаков; проверить на их
значениях все соотношения, характеризующие классы объектов; определить,
к какому классу относится данный объект.
Но эта задача проста только на первый взгляд. Ведь для столь простого ее
решения, сводящего задачу распознавания к задаче простой классификации,
надо знать три вещи: набор классифицирующих признаков Р1, />2> > Ль
набор соотношений, определяющих каждый класс объектов, и решающее
правило, с помощью которого происходит выбор класса. Только знание всех
этих элементов сводит задачу распознавания к простой процедуре.
В реальной жизни дело обстоит далеко не так просто. В нашем примере с
медицинской диагностикой нетрудно увидеть те трудности, которые типич-
ны для задач распознавания. Во-первых, наши знания о классифицирующих
признаках, как правило, не являются исчерпывающими. Именно поэтому,
например, в медицине все время идет поиск новых признаков, которые можно
зафиксировать при обследовании пациента. Во-вторых, описания классов
через совокупность признаков и соотношений между ними (симптомов) также
не отличаются полнотой и меняются от врача к врачу. И наконец, алгоритм
окончательного диагноза (названия заболевания) также не формализован.
Поэтому задачи распознавания делятся на несколько типов в зависимости от
того, какой из элементов задачи априорно является неизвестным. Проще
других решаются задачи, когда неизвестным является лишь решающее
правило. Необходимость в нем возникает, когда значения классифицирующих
признаков удовлетворяют в какой-то мере нескольким классам объектов.
Например, часть симптомов, наблюдаемых у пациентов, говорит о
возможности одного заболевания, а другая часть симптомов свидетельствует
о возможности другого заболевания. Задачи распознавания в этом случае
сводятся к задачам, характерным для теории принятия решений. Когда в
качестве неизвестных параметров выступают характеристики классов
объектов, то единственный путь решить задачу распознавания - это
обратиться к опыту человека или некоторой системы, которая эту задачу
умеет решать. При такой постановке возникает обучение распознаванию. Это
направление особенно активно развивается в связи с задачами обучения в
робототехнике и в системах искусственного интеллекта.
Наконец, случай, когда априорно нет информации о классифицирующих
признаках, представляет собой наиболее трудную задачу в теории
распознавания. Этот класс задач связан с проведением индуктивных
рассуждений и основанным на нем формированием гипотез о возможных
классифицирующих признаках (см. Формирование гипотез).
В настоящее время заложены основы математической теории распознавания. В
рамках этой теории можно на основе анализа содержательной задачи выбрать
один из многочисленных методов распознавания, оценить его сложность и
подобрать наилучшие с точки зрения содержания задачи значения
параметров, определяющих качество решения (процент правильного отнесения
объектов к классам).
При создании систем распознавания вне зависимости от их назначения важно
помнить, что распознавание - не самоцель, а лишь средство получения
информации о неизвестном, подлежащем распознаванию объекте или явлении.
Что толку от того, что врач выяснил, что пациент болен гриппом, если у
врача нет никаких лекарств для его лечения. Поэтому обычно результаты
распознавания направляются в систему управления, стоящую над системой
распознавания, чтобы принимать в отношении распознаваемых объектов
соответствующие управляющие решения, В системах, например, медицинской
диагностики управляющим решением является выбранная стратегия лечения -
виды лекарств, порядок их приема и т. д., в системах технической
диагностики - стратегия дальнейшей эксплуатации или ремонта машины,
механизма.
Системы распознавания состоят из соответствующей аппаратуры и
математического обеспечения. В состав аппаратуры входят измерительные
средства и ЭВМ. Так, в автоматизированных системах медицинской
диагностики в качестве технических средств используются
электрокардиографы, рентгеновские аппараты, анализаторы крови и т. п. В
системах технической диагностики - датчики температуры, давления,
тензометрические датчики (определяющие напряжения в элементах
конструкции машины), виброакустические датчики (определяющие параметры
вибраций машины) и т. д. Кроме того, в состав аппаратуры систем
распознавания могут входить различные электрические и электронные
приборы: усилители, детекторы, фильтры, преобразователи непрерывных
сигналов в цифровые и наоборот.
В состав математического обеспечения входят программы обработки данных
эксперимента и распознавания.
На вход первой группы программ (их число определяется в общем случае
количеством измерительных средств) поступают предварительно обработанные
сигналы (усиленные, детектированные, отфильтрованные от помех и
преобразованные в цифровой код). Задача программ обработки данных
состоит в формировании на основе этих сигналов значений классифицирующих
признаков распознаваемых объектов.
Программы распознавания, реализуя выбранный метод, производят отнесение
объекта к одному из классов.