Распознавание образов

научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности данного объекта к одному из заранее выделенных классов объектов. Под объектами в Р. о. понимают различные предметы, явления, процессы, ситуации, сигналы. Каждый объект описывается совокупностью основных характеристик (признаков, свойств) Х=(x₁, ..., x_i , ..., x_n), где i-я координата вектора Хопределяет значения i-й характеристики, и дополнительной характеристикой S, которая указывает на принадлежность объекта к некоторому классу (образу). Набор заранее расклассифицированных объектов, т. е. таких, у которых известны характеристики Х и S, используется для обнаружения закономерных связей между значениями этих характеристик и поэтому называются обучающей выборкой. Те объекты, у которых характеристика S неизвестна, образуют контрольную выборку. Отдельные объекты обучающей и контрольной выборок называются реализациями.

Одна из основных задач Р. о. — выбор правила (решающей функции) D, в соответствии с которым по значению контрольной реализации Х устанавливается её принадлежность к одному из образов, т. е. указываются «наиболее правдоподобные» значения характеристики S для данного Х. Выбор решающей функции D требуется произвести так, чтобы стоимость самого распознающего устройства, его эксплуатации и потерь, связанных с ошибками распознавания, была минимальной. Примером задачи Р. о. этого типа может служить задача различения нефтеносных и водоносных пластов по косвенным геофизическим данным. По этим характеристикам сравнительно легко обнаружить пласты, насыщенные жидкостью. Значительно сложнее определить, наполнены они нефтью или водой. Требуется найти правило использования информации, содержащейся в геофизических характеристиках, для отнесения каждого насыщенного жидкостью пласта к одному из двух классов — водоносному или нефтеносному. При решении этой задачи в обучающую выборку включают геофизические данные вскрытых пластов.

Успех в решении задачи Р. о. зависит в значительной мере от того, насколько удачно выбраны признаки Х. Исходный набор характеристик часто бывает очень большим. В то же время приемлемое правило должно быть основано на использовании небольшого числа признаков, наиболее важных для отличения одного образа от другого. Так, в задачах медицинской диагностики важно определить, какие симптомы и их сочетания (синдромы) следует использовать при постановке диагноза данного заболевания. Поэтому проблема выбора информативных признаков — важная составная часть проблемы Р. о.

Проблема Р. о. тесно связана с задачей предварительной классификации, или таксономией (См. Таксономия).

В основной задаче Р. o. о построении решающих функций D используются закономерные связи между характеристиками Х и S, обнаруживаемые на обучающей выборке, и некоторые дополнительные априорные предположения, например следующие гипотезы: характеристики Х для реализаций образов представляют собой случайные выборки из генеральных совокупностей с нормальным распределением (см. ниже — Р. о. в математической статистике); реализации одного образа расположены «компактно» (в некотором смысле); признаки в наборе Х независимы и т.д.

В области Р. о. существенно используются идеи и результаты многих др. научных направлений — математики, кибернетики, психологии и т.д.

В 60-х гг. 20 в. в связи с развитием, электронной техники, в частности ЭВМ, широкое применение получили автоматические системы распознавания. Под системами распознавания обычно понимают комплексы средств, предназначенных для решения описанных выше, задач. Методы Р. о. используются в процессе машинной диагностики различных заболеваний, для прогнозирования полезных ископаемых в геологии, для анализа экономических и социальных процессов, в психологии, криминалистике, лингвистике, океанологии, химии, ядерной и космической физике, в автоматизированных системах управления и т.д. Их применение оправдано практически всюду, где приходится иметь дело с классификацией экспериментальных данных. См. также Кибернетика,Кибернетика техническая,Обучающаяся автоматическая система.

Лит.: Себестиан Г.-С., Процессы принятия решений при распознавании образов, пер. с англ., К., 1965; Бонгард М. М., Проблема узнавания, М., 1967; Цыпкин Я. З., Адаптация и обучение в автоматических системах, М., 1968; Айзерман М. А., Браверман Э. М., Розоноэр Л. И., Метод потенциальных функций в теории обучения машин, М., 1970; Загоруйко П. Г., Методы распознавания и их применение, М., 1972; Вапник В. Н., Червоненкис А. Я., Теория распознавания образов, М., 1974.

А. А. Боровков, Н. Г. Загоруйко.

Р. о. в математической статистике — класс задач, связанных с определением принадлежности данного наблюдения к одной из генеральных совокупностей (с неизвестными распределениями), которые представлены лишь конечными выборками. В качестве данного наблюдения может выступать и совокупность наблюдений (выборка) из одной из представленных генеральных совокупностей. Каждое наблюдение представляет собой число или вектор. Часто указанный класс задач называют также дискриминантным анализом или классификацией.

Предположим, что известны n₁ наблюдений из генеральной совокупности A₁,n₂ наблюдений из генеральной совокупности А₂ и т.д., n_m наблюдений из генеральной совокупности A_m,m≥ 2. Дана также выборка z= (z₁, ..., z_n). Задача Р. о. состоит в определении, какой из генеральных совокупностей A_j,j= 1, 2,..., m, принадлежит выборка z. При этом обычно принимается предположение о том, что распределения P(∙) совокупностей A_jпринадлежат некоторому семейству {P(Θ, •)} распределений, зависящих от векторного параметра Θ, так что P_j (•) = Р(Θ_j,∙), где Θ_j неизвестны.

Если заданы потери L_ij, которые несёт наблюдатель, относя выборку 2 к совокупности (образу) A_j, когда она на самом деле принадлежит A_i, то сформулированная задача может рассматриваться и решаться с помощью методов теории статистических игр [стратегией природы здесь является набор (Θ₁, ..., Θ_m, j), где jуказывает номер совокупности, к которой относится z]. В этом случае возможно отыскание оптимальных «решающих функций», минимизирующих в том или ином смысле потери наблюдателя.

Задачи Р. о. оказываются весьма трудными и исследованы (1975) лишь в отдельных частных случаях. Для общей проблемы при наличии некоторых дополнительных предположений можно указать асимптотически оптимальные правила, дающие потери, приближающиеся к минимальным, когда числа n_j, неограниченно возрастают.

Сформулированные задачи представляют собой одну из наиболее естественных математических моделей (формализаций) для задач Р. о.

А. А. Боровков.

Биологический аспект Р. о. тесно связан с организацией поведения животных, которые в природных условиях, как правило, воспринимают внешние объекты одновременно разными органами чувств; поэтому образы реальных предметов объединяют в себе зрительные, тактильные, вкусовые и др. характеристики. Для удобства исследования обычно разделяют процессы, связанные с восприятием и распознаванием оптических, акустических и иных свойств предметов. Термин «образ» чаще применяют в связи со зрительным и слуховым восприятием. Наиболее детально изучено распознавание зрительных образов.

Зрительно воспринимаемый животными и человеком окружающий мир — это трёхмерное пространство с объёмными объектами относительно постоянной формы и окраски, как правило несамосветящимися и заключёнными в прозрачную среду (воздух, воду). Вследствие подвижности как самих животных, так и некоторых внешних объектов, каждому, даже неизменному предмету, соответствует множество различных его изображений на сетчатке (См. Сетчатка) глаза, являющихся плоскими проекциями предметов на поверхность её светочувствительных рецепторов. Важнейшая функция системы зрения — реконструкция трёхмерного мира на основе этих плоских изображений, что необходимо для организации активного поведения животных. Внешним проявлением работы механизмов, осуществляющих такую реконструкцию, служит константность восприятия человеком и животным размера, формы и цвета предметов. Не менее важная функция зрительной системы — классификация объектов в соответствии с их биологической значимостью для животного (то, что обычно понимается под узнаванием). В зависимости от вида животного и уровня организации его зрительной системы узнавание происходит различно: животные отличаются как по способности воспринимать определённые оптические свойства объектов (видимая область спектра, цвет, поляризованность света), так и по степени сложности обработки зрительной информации. У низших животных уже в сетчатке имеются специализированные, т. н. детекторные нервные клетки, выделяющие биологически важные признаки объектов непосредственно из сетчатого изображения (например, «детектор тёмного пятна» у лягушки). У высших животных большое значение имеют зрительные центры головного мозга, где тоже найдены специализированные нервные клетки с весьма сложными свойствами. Помимо врождённых механизмов Р. о., в работе зрительной системы, как и др. рецепторных систем, большое значение имеет индивидуальный опыт (Научение) и одна из его своеобразных форм — Запечатление.

Несмотря на огромное разнообразие животных и различия в аппаратах зрения, имеется много общего в способах обработки зрительной информации животными разных видов. Об этом свидетельствует, в частности, общность средств зрительной маскировки, привлечения и отпугивания, широко используемых в мире животных. Ряд особенностей восприятия и Р. о., лучше изученных для зрительного процесса, имеет общее значение. Так, решаемая слуховой системой задача стабильного восприятия (правильность узнавания) слуховых образов в переменных условиях аналогична задаче константного узнавания окраски. См. также статьи Восприятие,Зрение и лит. при них.

Лит.: Глезер В. Д., Невская А. А., Опознавание зрительных образов, в сборнике: Физиология сенсорных систем, ч. 1 — физиология зрения, Л., 1971 (Руководство по физиологии); International joint conference on pattern recognition. Proceedings..., N. Y., 1973.

А. А. Диментман, В. В. Максимов, О. Ю. Орлов.

РАСПОЗНАВАНИЕ ОБРАЗОВ - в технике - научно-техническое направление, связанное с разработкой методов и построением систем (в т. ч. на базе ЭВМ) для установления принадлежности некоторого объекта (предмета, процесса, явления, ситуации, сигнала) к одному из заранее выделенных классов объектов (образу). Процесс распознавания основан на сопоставлении признаков, характеристик исследуемого объекта с признаками, характеристиками других известных объектов, в результате чего делается вывод о наиболее правдоподобном их соответствии. Методы распознавания образов используют в технической диагностике, криминалистике и т. д.

pattern recognitionartificial perception

artificial [automatical\] cognition вчт., image identification, object identification, pattern identification, pattern recognition

распознава́ние о́бразов

(техн.), научно-техническое направление, связанное с разработкой методов и построением систем (в том числе на базе ЭВМ) для установления принадлежности некоторого объекта (предмета, процесса, явления, ситуации, сигнала) к одному из заранее выделенных классов объектов (образу). Процесс распознавания основан на сопоставлении признаков, характеристик исследуемого объекта с признаками, характеристиками других известных объектов, в результате чего делается вывод о наиболее правдоподобном их соответствии. Методы распознавания образов используют в технической диагностике, криминалистике и т. д.

* * *

РАСПОЗНАВА́НИЕ О́БРАЗОВ, в технике — научно-техническое направление, связанное с разработкой методов и построением систем (в т. ч. на базе ЭВМ) для установления принадлежности некоторого объекта (предмета, процесса, явления, ситуации, сигнала) к одному из заранее выделенных классов объектов (образу). Процесс распознавания основан на сопоставлении признаков, характеристик исследуемого объекта с признаками, характеристиками других известных объектов, в результате чего делается вывод о наиболее правдоподобном их соответствии. Методы распознавания образов используют в технической диагностике, криминалистике и т. д.

— одна из новых обл. кибернетики. Содержанием теории Р. о. является экстраполирование свойств объектов (образов), принадлежащих к нескольким классам, на объекты, близкие к ним в некотором смысле. Обычно при обучении автомата Р. о. имеется “тренировочная последовательность”, состоящая из объектов, принадлежащих определенным классам. Обучение автомата заключается в построении по тренировочной последовательности решающего правила. Используя это правило, автомат относит непоказанные ранее объекты из “экзаменационной последовательности” к одному из классов. При построении решающего правила используются методы статистической теории классификации и некоторые специальные методы (типа метода эталонов), разработанные применительно к конкретным задачам распознавания. Методы теории Р. о. находят применение в задачах классификации геол. объектов. Успехи применения методов Р. о. обусловлены содержательностью признаков, определяющих образ, и соответствием процедуры опознавания математической специфике (случайные или детерминированные величины) признаков.

- раздел математич. кибернетики, разрабатывающий принципы и методы классификации, а также идентификации предметов, явлений, процессов, сигналов, ситуаций - всех тех объектов, к-рые могут быть описаны конечным набором нек-рых признаков или свойств, характеризующих объект.

Описание объекта представляет собой n-мерный вектор, где п - число признаков, используемых для характеристики объекта, причем i-я координата этого вектора равна значению i-ro признака, i=l,..., п. В описании объекта допустимо отсутствие информации о значении того или иного признака. Если необходимо расклассифицировать предъявленные объекты по нескольким группам (о б р а з а м) только на основе их описаний, причем число групп не обязательно известно, то такая задача Р. о. наз. з а д а ч е й т а к с о н ом и и (к л а с т е р а, о б у ч е н и я б е з у ч и т ел я, с а м о о б у ч е н и я). Собственно для задач Р. о. (о б у ч е н и я с у ч и т е л е м), кроме описания объектов, необходимы дополнительные сведения о принадлежности этих объектов к тому или иному классу (образу). Количество классов конечно и задано. Классы могут пересекаться.

Совокупность описаний объектов, для к-рых известны образы, к к-рым они принадлежат, образует т. н. о б у ч а ю щ у ю п о с л е д о в а т е л ь н о с т ь (набор эталонов). О с н о в н а я з а д а ч а Р. о. заключается в том, чтобы исходя из обучающей последовательности определить класс, к к-рому принадлежит описание нек-рого объекта, подвергаемого классификации или идентификации. К такой схеме приводится любая задача принятия решений, если только процесс принятия решения базируется в основном на изучении ранее накопленного опыта.

Прикладные задачи, решаемые методами Р. о., возникают при идентификации машинописных и рукописных текстов, идентификации фотоизображений, при автоматич. распознавании речи, в медицинской диагностике, при геологич. прогнозировании, прогнозировании свойств химич. соединений, оценке экономических, политических, производственных ситуации, при классификации социологич. материала и т. н. Для решения этих задач накоплено большое число т. н. э в р и с т ич е с к и х а л г о р и т м о в р а с п о з н а в а н и я, ориентируемых на специфику каждой конкретной задачи. Кроме того, на основе нек-рых интуитивных принципов строятся м о д е л и а л г о р и т м о в р а с п о з н а в а н и я, т. е. семейства алгоритмов для решения классификационных задач. Наиболее употребительны следующие модели: модели, построенные с использованием принципа разделения, задающие класс поверхностей, разделяющих образы; модели, построенные на принципе потенциалов; модели вычисления оценок (голосования); структурные модели; статистич. модели.

На уровне модели ставится задача отыскания экстремального по качеству алгоритма распознавания (модель вычисления оценок). О качестве работы распознающего алгоритма обычно судят по результатам работы алгоритма на нек-ром тестовом наборе объектов (контрольная последовательность), для к-рого исследователю априори известна достоверная классификация. При построении общей теории распознающих алгоритмов наиболее полные результаты получены в рамках алгебраич. подхода. Распознающий алгоритм представляется в виде произведения распознающего оператора и решающего правила. Введение над распознающими операторами операций сложения, умножения, умножения на скаляр позволяет доказать существование в рамках нек-рого алгебраич. расширения исходного набора распознающих операторов такого распознающего алгоритма, к-рый обладает экстремальным качеством на любой контрольной последовательности.

К задачам Р. о. относятся также задачи минимизации описания исходных объектов, выделения информативных признаков.

Лит.:[1] Ж у р а в л е в Ю. И., "Проблемы кибернетики", 1978, в. 33, с. 5-68; [2] А й з е р м а н М. А., Б р а в е р м а н Э. М., Р о з о н о э р Л. И., Метод потенциальных функций в теории обучения машин, М., 1970; [3] В а п н и к В. Н., Ч е р в о н е н к и с А. Я., Теория распознавания образов, М., 1974; [4] Ф у К. С., Структурные методы в распознавании образов, пер. с англ., М., 1977. П. П. Кольцов.

научно-технич. направление, связанное с разработкой принципов (методов) и построением систем (в т. ч. на базе ЭВМ), предназнач. для определения принадлежности нек-рого объекта (предмета, процесса, явления, ситуации, сигнала) к одному из заранее выделенных классов объектов (образу). Процесс Р. о. основан на сопоставлении признаков, хар-к исследуемого объекта с признаками, хар-ками известных объектов, в результате чего делается вывод о наиболее правдоподобном их соответствии. Методы Р. о. используют в технич. и мед. диагностике, для анализа экономии. и социальных процессов, в криминалистике, геологии, химии, ядерной физике и т. д.

РАСПОЗНАВАНИЕ ОБРАЗОВ — научно-техническое направление, возникшее в рамках кибернетики (см.) и связанное с разработкой теоретических основ и практической реализацией устройств и систем (измерительных и регистрирующих средств, математического обеспечения и ЭВМ) разных уровней, предназначенных для обнаружения и распознавания неизвестных объектов, явлений, ситуаций, процессов и отнесения их к определённому классу или типу с целью принятия решения человеком или автоматической системой. Методы Р. о. используются в процессе машинной диагностики различных заболеваний, при создании роботов, в автоматизированных системах управления, в ядерной и космической физике, химии, геологии, криминалистике (распознавание изображений и речевых сигналов) и др. Кроме этого, Р. о. активно развивается в связи с задачами самообучения и в системах искусственного интеллекта (см.).