Reconocimiento de patrones

De Wikipedia, la enciclopedia libre

El reconocimiento de patrones es la ciencia que se ocupa de los procesos sobre ingeniera, computacin y matemticas relacionados con objetos fsicos y/o abstractos, con el propsito de extraer informacin que permita establecer propiedades de entre conjuntos de dichos objetos.

Contenido
1 Introduccin 2 Sistema bsico de reconocimiento 2.1 Sensor 2.2 Extraccin de caractersticas 2.3 Seleccin de variables 2.4 Clasificacin 3 Aplicaciones 4 Notas 5 Referencias 6 Enlaces externos

Introduccin
Al Reconocimiento de patrones llamado tambin lectura de patrones, identificacin de figuras y reconocimiento de formas[1] consiste en el reconocimiento de patrones de seales. Los patrones se obtienen a partir de los procesos de segmentacin, extraccin de caractersticas y descripcin dnde cada objeto queda representado por una coleccin de descriptores. El sistema de reconocimiento debe asignar a cada objeto su categora o clase (conjunto de entidades que comparten alguna caracterstica que las diferencia del resto).Para poder reconocer los patrones se siguen los siguientes procesos: 1. adquisicin de datos 2. extraccin de caractersticas 3. toma de decisiones El punto esencial del reconocimiento de patrones es la clasificacin: se quiere clasificar una seal dependiendo de sus caractersticas. Seales, caractersticas y clases pueden ser de cualquiera forma, por ejemplo se puede clasificar imgenes digitales de letras en las clases A a Z dependiendo de sus pxeles o se puede clasificar ruidos de cantos de los pjaros en clases de rdenes aviares dependiendo de las frecuencias. Archivo:Pattern 5.JPG

Sistema bsico de reconocimiento

Un sistema completo de reconocimiento de patrones incluye un sensor que recoja fielmente los elementos del universo a ser clasificado, un mecanismo de extraccin de caractersticas cuyo propsito es extraer la informacin til, eliminando la informacin redundante e irrelevante, y finalmente una etapa de toma de decisiones en la cual se asigna a la categora apropiada los patrones de clase desconocida a priori.
Sensor

El sensor es el dispositivo encargado de la adquisicin de datos. Ha de ser capaz de transformar magnitudes fsicas o qumicas, llamadas variables de instrumentacin, en magnitudes elctricas. Las variables de instrumentacin dependen del tipo de sensor y pueden ser por ejemplo: temperatura, intensidad lumnica, distancia, aceleracin, inclinacin, desplazamiento, presin, fuerza, torsin, humedad, etc. Archivo:Pattern 6.JPG

Extraccin de caractersticas

Es el proceso de generar caractersticas que puedan ser usadas en el proceso de clasificacin de los datos.En ocasiones viene precedido por un preprocesado de la seal, necesario para corregir posibles deficiencias en los datos debido a errores del sensor, o bien para preparar los datos de cara a posteriores procesos en las etapas de extraccin de caractersticas o clasificacin. Las caractersticas elementales estn explcitamente presentes en los datos adquiridos y pueden ser pasados directamente a la etapa de clasificacin. Las caractersticas de alto orden son derivadas de las elementales y son generadas por manipulaciones y/o transformaciones en los datos.

Seleccin de variables

Consiste en seleccionar cul es el tipo de caractersticas o rasgos ms adecuados para describir los objetos. Para ello, se deben localizar los rasgos que inciden en el problema de manera determinante. Esta etapa tambin puede ser diseada dentro de la clasificacin. La seleccin de variables puede diferenciarse segn los objetivos buscados: Para la clasificacin: la seleccin de caractersticas relevantes, a partir del conjunto total de caractersticas que describen a los objetos, se hace con dos motivos fundamentales: mejorar la clasificacin y/o aumentar la velocidad de procesamiento. Para la representacin: decidir qu caractersticas representan mejor a cierto tipo de objetos. Estrategias de seleccin de variables: wrapper: la seleccin de caractersticas se hace usando informacin del mecanismo de clasificacin. filter: la seleccin se hace con un criterio independiente del clasificador. Incluye algunos mtodos como: Tablas de desicin: le busca un subconjunto mnimo de variables que no introduzca confusin entre clases. ID3: le crea un rbol de desicin y se selecciona un conjunto de variables que permita discriminar entre clases. Teora de testores: le buscan todos los subconjuntos de variables discriminantes minimales, con estos se evala la relevancia de cada variable y se seleccionan aquellas con mayor relevancia. Archivo:Pattern 2.JPG Clasificacin La clasificacin trata de asignar las diferentes partes del vector de caractersticas a grupos o clases, basndose en las caractersticas extradas. En esta etapa se usa lo que se conoce como

aprendizaje automtico, cuyo objetivo es desarrollar tcnicas que permitan a las computadoras aprender. Utiliza habitualmente uno de los siguientes procedimientos: Geomtrico (Clustering): Los patrones deben ser graficables. En ste enfoque se emplea el clculo de distancias, geometra de formas, vectores numricos, puntos de atraccin, etc. Estadstico: Se basa en la teora de la probabilidad y la estadstica, utiliza anlisis de varianzas, covarianzas, dispersin, distribucin, etc.

Supone que se tiene un conjunto de medidas numricas con distribuciones de probabilidad conocidas y a partir de ellas se hace el reconocimiento. Sintctico-estructural: se basa en encontrar las relaciones estructurales que guardan los objetos de estudio, utilizando la teora de lenguajes formales, teora de autmatas, etc. El objetivo es construir una gramtica que describa la estructura del universo de objetos. Neuro-reticular: se utilizan redes neuronales que se 'entrenan' para dar una cierta respuesta ante determinados valores. Lgico-combinatorio: se basa en la idea de que el modelado del problema debe ser lo ms cercano posible a la realidad del mismo, sin hacer suposiciones que no estn fundamentadas. Se utiliza para conjuntos difusos y utiliza lgica simblica, circuitos combinacionales y secuenciales, etc.

Segn tengamos constancia o no de un conjunto previo que permita al sistema aprender, la clasificacin pueder ser supervisada, parcialemente supervisada o no supervisada.

a) Clasificacin supervisada: tambin es conocida como clasificacin con aprendizaje. Se basa en la disponibilidad de reas de entrenamiento. Se trata de reas de las que se conoce a priori la clase a la que pertenecen y que servirn para generar una signatura espectral caracterstica de cada una de las clases. Se denominan clases informacionales en contraposicin a las clases espectrales que genera la clasificacin no supervisada. Algunos mtodos de la clasificacin supervisada: Funciones discriminantes: si son dos clases, se busca obtener una funcin g tal que para un nuevo objeto O, si g(O) > 0 se asigna a la clase 1 y en otro caso a la 2. Si son mltiples clases se busca un conjunto de funciones gi y el nuevo objeto se ubica en la clase donde la funcin tome el mayor valor. Vecino ms cercano: un nuevo objeto se ubica en la clase donde est el objeto de la muestra original que ms se le parece.

Redes neuronales artificiales: denominadas habitualmente RNA o en sus siglas en ingls ANN. Se supone que imitan a las redes neuronales reales en el desarrollo de tareas de aprendizaje.

Archivo:Pattern 4.JPG

b) Clasificacin parcialmente supervisada: tambin conocida como de aprendizaje parcial. En stos problemas existe una muestra de objetos slo en algunas de las clases definidas. c) Clasificacin no supervisada: tambin conocida como clasificacin sin aprendizaje. Se utilizan algoritmos de clasificacin automtica multivariante en los que los individuos ms prximos se van agrupando formando clases. Restringida: el nmero de clases en la que se estructurar la muestra est previamente definido. Libre: el nmero de clases en la que se estructurar la muestra depende exclusivamente de los datos.

Algunos mtodos de la clasificacin no supervisada: Simple Link y Complete Link: parten de grupos unitarios de objetos y van uniendo los grupos ms parecidos en cada etapa, hasta cumplir alguna condicin. ISODATA: se van formando grupos que se ajustan iterativamente usando teora de probabilidades. En alguna versiones se puede hacer la unin o divisin de algn grupo. C-means: se define un grupo de semillas, se asocia cada objeto al grupo de la semilla ms parecida, se toman los centroides de cada grupo como nuevas semillas y se itera hasta que se estabilice. Criterios lgico-combinatorios: los criterios que se imponen a los grupos son tales como ser conexos, completos maximales, compactos, etc.

Archivo:Pattern 3.JPG El reconocimiento de patrones es ms complejo cuando se usan plantillas para generara variantes. Por ejemplo, en castellano, las frases a menudo siguen el patrn "sujeto-predicado", pero se requiere cierto conocimiento de la lengua para detectar el patrn. El reconocimiento de patrones se estudia en muchos campos, incluyendo psicologa, etologa, informtica y procesamiento digital de seales.

Aplicaciones
Los sistemas de reconocimiento de patrones tienen diversas aplicaciones. Algunas de las ms relevantes y utilizadas actualmente son:

Previsin meteorolgica: poder clasificas todos los datos meteorolgicos segn diversos patrones, con el conocimiento a pariori que tenemos de las diferentes situaciones que pueden aperecer nos permite crear mapas de prediccin automtica. Reconocimiento de caracteres escritos a mano o a mquina: es una de las utilidades ms populares de los sistemas de reconocimiento de patrones ya que los smbolos de escritura son fcilmente identificables. Reconocimiento de voz: el anlisis de la seal de voz se utiliza actualmente en muchas aplicaciones, un ejemplo claro son los teleoperadores informticos. Aplicaciones en medicina: anlisis de biorritmos, deteccin de irregularidades en imgenes de rayos-x, deteccin de clulas infectadas, marcas en la piel... Reconocimiento de huellas dactilares: utilizado y conocido por la gran mayora, mediante las huellas dactilares todos somos identificables y con programas que detectan y clasifican las coincidencias, resulta sencillo encontrar correspondencias. Reconocimiento de caras: utilizado para contar asistentes en una manifestacin o simplemente para detectar una sonrisa, ya hay diferentes cmaras en el mercado con esta opcin disponible. Interpretacin de fotografas areas y de satlite: gran utilidad para propuestas militares o civiles, como la agricultura, geologa, geografa, planificacin urbana... Prediccin de magnitudes mximas de terremotos. Reconocimiento de objetos: con importantes aplicaciones para personas con discapacidad visual. Reconocimiento de msica: identificar el tipo de msica o la cancin concreta que suena.

Notas
1. J; Ernesto A. Meyer: Glosario de trminos tcnicos, Entrada P, pattern recognition. Grupo de Informtica Aplicada al Ingls Tcnico, la Argentina, 1995, bajo la licencia de documentacin libre GNU

Referencias
Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2a edicin), Wiley, New York, ISBN 0-471-05669-3. Dietrich Paulus and Joachim Hornegger (1998) Applied Pattern Recognition (2a edicin), Vieweg. ISBN 3-528-15558-2 J. Schuermann: Pattern Classification: A Unified View of Statistical and Neural Approaches, Wiley&Sons, 1996, ISBN 0-471-13534-8 Sholom Weiss and Casimir Kulikowski (1991) Computer Systems That Learn, Morgan Kaufmann. ISBN 1-55860-065-5

Enlaces externos
Lista de webs sobre reconocimiento de patrones Journal of Pattern Recognition Research Recuperacin de la informacin mediante patrones Recuperacin y Extraccin de la informacin no supervisada Extraccin de Informacin con Clasificacin Supervisada

Librera virtual de artculos sobre reconocimiento de patrones Notas del seminario de Reconocimiento de Patrones de Grupo de Tratamiento de Imgenes del Instituto de Ingeniera Elctrica. Univ. de Surrey The Neural Approach to Pattern Recognition Laboratorio de cmputo de la Universidad La Salle de Mxico
This entry is from Wikipedia, the leading user-contributed encyclopedia. It may not have been reviewed by professional editors (see full disclaimer) . Donate to wikipedia. Licence : Wikipedia. This article is licensed under the GNU Free Documentation License.

todas las traducciones de reconocimiento de patrones

contactarnos | Company Information | Privacy policy Copyright 2011 sensagent Corporation: enciclopedia en lnea, red semntica, diccionarios, definiciones y ms. Todos los derechos reservados.
sinnimo - definicin - diccionario - define - traduccin - traducir - traductor - conjugacin anagrama