Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
podejściedoekstrakcjicechiklasyfikacjiorazelastyczneprocedurydo
wyznaczaniadobrych,umiarkowanienieliniowychrozwiązań[And1990,
Rip1993].
Klasyfikacjaarozpoznanie
Należyzwrócićszczególnąuwagęnarozróżnieniepojęć"klasyfikacja"
oraz"rozpoznawanie"wzorców.Klasyfikacjajestściślezwiązanaz
czynnościądecyzyjnąprzyporządkowującąwzorcowinumerklasy.Natomiast
termin"rozpoznawanie"macharakterogólniejszyioznaczacałąprocedurę,
czywręczsystemobejmującypobranie(pomiar)wzorca,wstępne
przetwarzanie,ekstrakcjęcech,selekcjęcechibudowęmodelucech,a
wreszcieklasyfikacjęwzorca.Rozróżniasięturównieżpobraniewzorcai
ekstrakcjecech.Sposóbczytechnikapobraniawzorcajestściślezwiązanaz
typemwzorcaiurządzeniamidojegopozyskania.Natomiastekstrakcjacech
jestzagadnieniembardziejzłożonymzasługującymnaomówieniew
oddzielnymrozdziale.Ogólnierzeczujmując,dobrzedobranyproces
ekstrakcjicechpozwalanawyodrębnienietakichindywidualnychi
niepowtarzalnychcechwzorca,któreumożliwiąwkolejnymetapie
prawidłowąklasyfikacjęwzorca.Utrudnieniemjesttufakt,żetecechymuszą
zawieraćsięwtejsamejprzestrzeni.Najczęściejstosowanymimetodami
ekstrakcjicechsątransformacje,adokładniejichrezultaty,czylitransformaty.
Najpopularniejszeznichto:transformataFouriera,transformatafalkowa,
transformataKarhunena-Loeve’a,transformataRadonaitransformata
Hougha.
2.2Statystycznemetodyklasyfikacjiwzorców
Podejściestatystycznedoklasyfikacji(rozpoznawania)obrazów,atakże
wzorców,znalazłowielezastosowańwkomercyjnychsystemach.Wtych
systemachwzorzecjestreprezentowanyprzezzestawcechwd-wymiarowej
przestrzenicech.Następniewzorzecprzypisywanyjestdojednejzwcześniej
zdefiniowanychklasnapodstawieregułydecyzyjnej.Dobrzeznane
koncepcjezestatystycznychteoriidecyzyjnychwykorzystywanesądo
ustaleniagranicdecyzyjnychmiędzyklasami.
Matematycznymodelproblemuklasyfikacjiwzorcamożnaprzedstawić
następująco[Kur1997]:
15
