для изображения могут использоваться такие признаки
,
как площадь
объекта
,
параметры гистограммы интенсивностей
,
фрактальная раз
-
мерность
.
Разработка системы распознавания включает такие задачи
,
как определение классов
,
выбор признаков
,
создание классификатора
,
обучение системы и оценка качества распознавания
.
На этапе выбора
признаков главной целью является нахождение такого пространства
признаков
,
в которомобъекты разных классов представлены непересе
-
кающимися подмножествами
.
Эффективность статистического класси
-
фикатора будет зависеть от того
,
насколько различимы подмножества
классов
.
Задача распознавания образов
.
Обычно под задачей распознава
-
ния понимается классификация образов после предварительного обу
-
чения учителем
1
(supervised learning).
В процессе обучения
,
знания экс
-
пертов формализуются и записываются в память системы распознава
-
ния
.
Знание может быть представлено набором обучающих образов
,
снабженных экспертными оценками
.
После обучения
,
система должна
уметь обобщать накопленное знание и классифицировать неизвестные
образы автоматически
.
Обучение
.
Рассмотрим базовую схему непараметрической систе
-
мы распознавания с учителем
(
рисунок
).
Эксперты формируют обуча
-
ющую выборку из
N
образов и определяют множество из
K
классов
(
блок
“
Выделение классов
”).
Затемэксперты определяют признаки
(
блок
“
Выделение призна
-
ков
”),
на основе которых будет происходить классификация
.
Другими
словами
,
задается преобразование образа
(
сигнала
)
в вектор призна
-
ков
y
∈
R
D
.
Признаки могут иметь разный масштаб и вес
,
для учета
которых вводится нормирующий вектор
w
∈
R
D
.
Методы выделения
признаков широко освещены в литературе
,
например
[10–12].
В блоке
“
Вычисление признаков
”
каждый
n
-
й обучающий образ сопоставляет
-
ся с векторомпризнаков
y
n
∈
R
D
.
Каждый
n
-
й образ выборки получает экспертную оценку в виде век
-
тора
q
n
= (
q
1
,n
, q
2
,n
, . . . , q
K,n
)
,
0
≤
q
j,n
≤
1
,
K
j
=1
q
j,n
= 1
,
где
q
j,n
—
степень принадлежности
n
-
го образа к
j
-
му классу
,
а сум м а
есть условие нормировки
.
Значение
q
j,n
можно интерпретировать как
оценку вероятности
—
при отсутствии достоверной информации экс
-
перты оценивают вероятность
j
-
го класса
,
т
.
е
.
условную вероятность
1
Распознавание без учителя не затрагивается в настоящей работе
.
50 ISSN 0236-3933.
Вестник МГТУ им
.
Н
.
Э
.
Баумана
.
Сер
. “
Приборостроение
”. 2005.
№
3
