Rozpoznawanie wzorców 2D i 3D na obrazach cyfrowych za pomocą ukrytych modeli Markowa
Rozpoznawanie wzorców jest działem sztucznej inteligencji zajmującym się klasyfikacją obserwacji. Celem rozpoznawania jest klasyfikowanie danych (wzorców) na podstawie wiedzy a priori lub na podstawie informacji statystycznych uzyskanych z wzorca. Wzorce są zazwyczaj zbiorem obserwacji lub pomiarów. Wśród szerokiej gamy metod rozpoznawania wzorców można wyróżnić metody statystyczne. W przeciwieństwie do metod probabilistycznych wykorzystujących prawdopodobieństwo a priori, metody statystyczne wykorzystują reguły decyzyjne ze zbiorem uczącym złożonym z obiektów, dla których znany jest wektor cech i etykieta klasy wzorca. Jedną z wielu metod rozpoznawania wzorca są ukryte modele Markowa (UMM).
Autor: Janusz Bobulski
Znajdź bibliotekę blisko siebie, i uzyskaj dostęp do ebooka w systemie IBUK Libra