Tecnologas

Innovadoras
Unidad 4: Reconocimiento de
Patrones
CONTENIDO
Unidad
4 4.1 Aspectos generales
4.2 Patrn y clase de
patrones.
4.3 Elementos de
Anlisis.
4.4 Clases de imgenes
4.5 Simulacin
 OBJETIVO PARTICULAR

Al finalizar la unidad, el
participante identificar las
Unidad 4 conceptos bsicos de los
reconocimiento de patrones.
4.1 Aspectos generales
El reconocimiento de patrones es
la ciencia que se encarga de la
descripcin y clasificacin
(reconocimiento) de objetos,
personas, seales, representaciones,
etc.

Esta ciencia trabaja con base en un

conjunto previamente establecido de
todos los posibles objetos (patrones)
El margen de aplicaciones del
reconocimiento de patrones es muy
amplio, sin embargo las ms
importantes estn relacionadas con
la visin y audicin por parte de
una mquina, de forma anloga a
los seres humanos.
El esquema de un sistema de
reconocimiento de patrones consta
de varias etapas relacionadas entre
s (los resultados de una etapa
pueden modificar los parmetros de
etapas anteriores).
4.2 Patrn y clases de patrones
Enfoques de
Reconocimiento de
Patrones
Reconocimiento Estadstico de Patrones
Este enfoque se basa en la teora de probabilidad y
estadstica y supone que se tiene un conjunto de
medidas numricas con distribuciones de
probabilidad conocidas y a partir de ellas se hace
el reconocimiento.
Reconocimiento Sintctico de Patrones
Este enfoque se basa en encontrar las relaciones
estructurales que guardan los objetos de estudio,
utilizando la teora de lenguajes formales. El
objetivo es construir una gramtica que describa
la estructura del universo de objetos.
Redes Neuronales
Este enfoque supone que tiene una estructura de
neuronas interconectadas que se estimulan unas a otras,
las cuales pueden ser entrenadas para dar una cierta
respuesta cuando se le presentan determinados valores.
Reconocimiento Lgico Combinatorio de
Patrones
Este enfoque se basa en la idea de que la modelacin del
problema debe ser lo ms cercana posible a la realidad
del mismo, sin hacer suposiciones que no estn
fundamentadas. Uno de los aspectos esenciales del
enfoque es que las caractersticas utilizadas para
describir a los objetos de estudio deben ser tratadas
cuidadosamente.
4.3 Elementos de anlisis
Esquema General de un sistema de
Reconocimiento de Patrones
Universo
(Objetos,
conceptos)

Caractersticas
Extractor
de
Sensor Clasificador
caractersti
cas
Patrn

Decisin
 Tiene como propsito proporcionar
una representacin factible de los
Sensor elementos del universo a ser
clasificados.
Extraccin Etapa que se encarga, a partir del
de patrn de representacin, de extraer
la informacin discriminatoria
Caracterstic eliminando la informacin
redundante e irrelevante.
as
Etapa de toma de decisiones en el
sistema. Su rol es asignar los
Clasificador patrones de clase desconocida a la
categora apropiada.
El objetivo de estas etapas es ajustar el
sistema para que sea capaz de clasificar
seales u objetos de entrada en una de
las clases predefinidas.
Para ello deber analizar un cierto
nmero de caractersticas y para poder
clasificar satisfactoriamente seales de
entrada, es necesario un proceso de
aprendizaje en el cual el sistema crea un
modelo de cada una de las clases a partir
de una secuencia de entrenamiento o
Generalmente se acepta que la
secuencia de muestras de
entrenamiento debe contener para cada
una de las clases un mnimo de
elementos igual a diez veces la
dimensin de los vectores de
caractersticas.
El sistema de reconocimiento de
patrones debe tener en cuenta las
fuentes de variabilidad como son el
ruido, rotaciones, cambio de escala y
4.4 Clases de imgenes
En muchos problemas prcticos de Visin Artificial
(V.A.) existe la necesidad de tomar decisiones sobre
el contenido de una imagen o sobre la clasificacin
de los objetos contenidos en ella.
Clasificar (o reconocer) significa asociar a clases (o
prototipos) una serie de elementos (u objetos). Esta
asociacin se realiza en base a las caractersticas o
propiedades de los objetos.
Etapa final del anlisis de imgenes (a partir de
caractersticas extradas de las regiones resultantes
de la segmentacin de una imagen se pueden
reconocer los objetos presentes en ella).
La caractersticas de las regiones u objetos segmentados se
representan usando vectores de caractersticas
normalizados.
Las caractersticas usadas para el reconocimiento deben ser
cuidadosamente seleccionadas (p. ej. eleccin de caractersticas
invariantes a transformaciones geomtricas). No hay reglas
exactas para descubrir el mejor conjunto de
caractersticas.
Reconocer o clasificar no son tareas fciles: las clases pueden no
estar correctamente definidas, la informacin sobre los objetos a
clasificar puede ser incompleta.
Mtodos de clasificacin diferentes clasificaciones diferentes.
La interpretacin de imgenes (o escenas) requiere el uso de
modelos y tcnicas de Inteligencia Artificial.
Ejemplo
4.5 Simulacin
Algunas de las
aplicaciones son:
Identificacin de rostros (Redes Neuronales)
(ALVOT ).
Prediccin de magnitudes mximas de
terremotos (ALVOT)
Bsqueda de petrleo (CR+)
Pronstico postoperatorio en nios con
paladar endido (ALVOT)
Determinacin de factores que inciden en la
lactancia materna (Teora de Testores)
Clasificacin de atmsfera estelares (K
vecinos ms cercanos)
CONCLUSIONES