Слайд 4
Оценка
Лабы (50%)
РК (20%)
Тесты на лекциях(20%)
Посещение(10%)
Слайд 5
Тема 1. Введение
План:
Область применения, задачи, история развития и
основные идеи и практика распознавания образов.
Данные, знания, гипотеза,
закономерность, свойства гипотез. Объекты.
Системы распознавания образов их состав и задачи
Классификация задач распознавания
Слайд 6
Примеры
Чтение книги
Собака узнает хозяина или другую собаку
Росянка опознает
муху
Замок и ключ :-)
Слайд 7
Определение
Распознавание образов – это научная дисциплина, целью которой
является разделение объектов по нескольким категориям или классам.
Объекты
называются образами.
Слайд 8
Основная ИДЕЯ
Разделение основывается на прецедентах.
Прецедент – это
образ, правильное отнесение к категории которого известно.
Прецедент –объект,
принимаемый как образец при решении задач разделения по категориям.
Идея принятия решений на основе прецедентности – основополагающая в естественно-научном мировоззрении.
Слайд 9
История
Нейрофизиология и психология конец 19 века, начало 20-го
века (Павлов - собака)
Р.Фишер – дискриминантный анализ – 1936
г. (направление наибольшей различимости)
Колмогоров А.Н. – Разделение смеси двух распределений 1936-1940
Кибернетика – Н.Виннер - 1948г.
Кластерный анализ –начало 20-го века
Многомерное шкалирование 70-е
Нейронные сети 50-е
Слайд 10
Фигуры
В.М.Глушков,
В.С.Михалевич,
В.С.Пугачев,
НП.Бусленко,
Ю.И.Журавлев,
Я.З.Цыпкин,
А.Г.Ивахненко,
М.А.Айзерман,
Э.М.Браверман,
М.М.Бонгард,
В.Н.Вапник,
Г.П.Тартаковский,
В.Г.Репин,
Л.А.Растригин,
А.Л.Горелик и др.
Р.
Фишер
П.Ч. Махаланобис
Г.Хотелинг
Ф.Розенблатт
Хопфилд
Т.Кохонен
С. Пайперт
М. Минский
Р.Гонсалес,
У.Гренандер,
Р.Дуда,
Г.Себестиан,
Дж.Ту,
К.Фу,
П.Харт.
Слайд 11
Основные цели разработки систем распознавания
Освобождение человека от однообразных
рутинных операций для решения других более важных задач.
Повышение
качества выполняемых работ.
Повышение скорости решения задач.
Слайд 12
Великая ЦЕЛЬ
Создать искусственную систему, которая сама решит любую
задачу эффективно
Случай 1: Случай 2:
Чайник на столе Чайник с
Вода в ведре Водой
стоит в
Печка Печке, где лежат
Дрова под печкой Дрова.
Спички спички рядом
↓ ↓
Цель:Кипяток Цель:Кипяток
Слайд 13
Образ не объект
Описание не полностью представляет объект
Описание зависит
от задач
Описание содержит погрешности представления
Измерения, используемые для классификации образов,
называются признаками.
Любой образ представляется некоторым набором признаков
Основное назначение описаний (образов) - это их использование в процессе установления соответствия объектов
Слайд 14
Образ не объект
Совокупность признаков, относящихся к одному образу,
называется вектором признаков.
Вектора признаков принимают значения в пространстве признаков
Слайд 15
Класс
классы - это объединения
объектов (явлений), отличающиеся общими свойствами, интересующими человека.
цель
распознавания – принятие решения об отнесении объекта к тому или иному классу.
Классификатором или решающим правилом называется правило отнесения образа к одному из классов на основании его вектора признаков.
Слайд 16
Классификация Систем распознавания
Однородность:
-простые;
-сложные
Способ получения апостериорной информации
-одноуровневые;
-многоуровневые.
Количество
первоначальной априорной информации
Без обучения
С обучением
Самообучаемые
Характер информации о признаках распознавания
детерминированные;
вероятностные;
Логические;
структурные (лингвистические);
комбинированные.
Слайд 18
Этапы формирования системы распознавания
Генерация признаков – выявление признаков,
которые наиболее полно описывают объект.
Селекция признаков – выявление признаков,
которые имеют наилучшие классификационные свойства для конкретной задачи.
Преобразование системы признаков
Построение классификатора.
Оценка классификатора.
Слайд 19
Основные задачи при построении систем распознавания образов
Построение признаков
Селекция
признаков
Подавление помех
Преобразование признаков
Отнесение к группе объектов (образу)
Формирование групп объектов
(образов)
Слайд 20
литература
Методы современной и классической теории управления. Т5. -
2004
Математические методы распознавания образов. Курс лекций. МГУ, ВМиК,
кафедра «Математические методы прогнозирования», Местецкий Л.М., 2002–2004.
Слайд 21
Тема 2. Задача распознавания образов как выделение характерных
признаков
План:
Общая задача классификации.
Классы.
Описания классов вероятностное (параметрическое, непараметрическое),
логическое.
Меры компактности объектов в множествах, расстояния: Евклидово, по Хеммингу
Признаки для описания объектов.
Слайд 22
Задача классификации (что делает)
Разделить объекты на 2 группы
и сказать к какой из них относиться новый объект:
Слайд 23
Задача классификации (по существу)
Разбиение пространства признаков на области
по одной для каждого класса
Дуда Р., Харт П.
Распознавание образов и анализ сцен. 1976
Слайд 24
Гипотеза компактности
Классическая. Реализация одного и того же образа,
обычно, отображается признаком пространства геометрически близкими точками.
Гипотеза λ-компактности
Расстояние мало, но есть неоднородность.
С1
С2
Слайд 25
Рабочие утверждения
Необработанное представление информации увеличивает ошибку обобщения нейронной
сети и время на ее обучение.
Состав и порядок представления
объектов значительно влияет на результат обучения нейронной сети.
Слайд 26
Проблема
Необходимо отобрать интересные составляющие описания объекта – селекция
:А КАК?
Необходимо определить правильное преобразование описания объектов – выбор
способа обработки : А КАКОЕ?
Реализация дополнительного алгоритма преобразования описания объектов увеличивает время обработки данных : ВСЕ ПРОПАЛО?
Слайд 27
Описание классов по примерами по признакам (эталоны)
Столы для
работы
Столы для обеда
Слайд 28
Описание классов структурами
Столы для работы
Столы для обеда
столешница
Боковая опора
Боковая
опора
Ящики
столешница
Ножка 1
Ножка 2
Ножка 3
Ножка 4
Слайд 29
Описания классов вероятностное
Ширина стола , м
0 0.5 1 1.5 2
Р(класс i)
Рабочий
стол
обеденный стол
Слайд 30
Логическое описание образа
Обеденный стол содержит несколько( не менее
1) ножки и немного ящиков (не более 2), его
столешница имеет отношение ширины к длине не более 1/2
Слайд 31
Расстояния между объектами – object distance
Метрики : Минковский
(упорядоченные признаки)
Меры: Хемминг (номинальные признаки)
Число преобразований (структурное расстояние)
Луна –Лупа
– Липа – Лига – Лира – Мира – Мирт – Март – Марс
Слайд 32
Датчик
Преобразование внешнего мира в цифровое описание доступное компьютерной
обработке
Аналогво-Цифровое Преобразование – АЦП – Digitizer
Квантование
Дискретизация
Слайд 33
Получение пиксельного изображения
Спроецированное изображение непрерывное, с гладкими границами
На
матрице оно дискретизируется
По пространству (пиксельная решетка)
По цвету
Слайд 34
Типы изображений
Рисунок
Фотография
Оптическое
электронное
Слайд 35
Глубина цвета - Depth of color
Квантование цвета
Число разрядов
для представления цвета
1- бинарный
8-полноцветный
Число бит на пиксель
1
8
24
Слайд 39
Вопрос
Представить функцию в цифровой форме на отрезке [-π,
π] с интервалом дискретизации π/4, с 3-мя уровнями квантования
Вариант
1
cos(x)
Вариант 2
sin(x)