Reconocimiento de patrones | Conceptos básicos y principios de diseño

Requisito previo: reconocimiento de patrones | Introducción
Sistema de reconocimiento de
patrones El patrón lo es todo en este mundo digital. Un patrón puede verse físicamente o puede observarse matemáticamente mediante la aplicación de algoritmos.

En el reconocimiento de patrones , el patrón se compone de las siguientes dos cosas fundamentales:

• Colección de observaciones
• El concepto detrás de la observación.

Vector de características:
la colección de observaciones también se conoce como vector de características. Una característica es una característica distintiva de un bien o servicio que lo distingue de artículos similares. El vector de características es la combinación de n características en un vector de columna n-dimensional. Las diferentes clases pueden tener diferentes valores de características, pero la misma clase siempre tiene los mismos valores de características.

Ejemplo:


• Diferenciar entre características buenas y malas.
• Propiedades de la característica.

Clasificador y límites de decisión:

1. En un problema de clasificación estadística, un límite de decisión es una hipersuperficie que divide el espacio vectorial subyacente en dos conjuntos. Un límite de decisión es la región de un espacio problemático en el que la etiqueta de salida de un clasificador es ambigua. El clasificador es una hipótesis o función de valor discreto que se utiliza para asignar etiquetas de clase (categóricas) a puntos de datos particulares.
2. El clasificador se utiliza para dividir el espacio de características en regiones de decisión etiquetadas por clase. Mientras que los límites de decisión son los límites entre las regiones de decisión.
   

Componentes en el sistema de reconocimiento de patrones:
un sistema de reconocimiento de patrones se puede dividir en componentes. Hay cinco componentes típicos para varios sistemas de reconocimiento de patrones. Estos son los siguientes:

• Un sensor: un sensor es un dispositivo que se utiliza para medir una propiedad, como la presión, la posición, la temperatura o la aceleración, y responde con retroalimentación.
• Un mecanismo de preprocesamiento: se utiliza la segmentación y es el proceso de partición de datos en múltiples segmentos. También se puede definir como la técnica de dividir o particionar un dato en partes llamadas segmentos.
• Un mecanismo de extracción de características: la extracción de características comienza a partir de un conjunto inicial de datos medidos y genera valores derivados (características) destinados a ser informativos y no redundantes, lo que facilita los pasos posteriores de aprendizaje y generalización y, en algunos casos, conduce a mejores interpretaciones humanas. Puede ser manual o automatizado.
• Un algoritmo de descripción: los algoritmos de reconocimiento de patrones generalmente tienen como objetivo proporcionar una respuesta razonable para todas las entradas posibles y realizar la coincidencia «más probable» de las entradas, teniendo en cuenta su variación estadística.
• Un conjunto de entrenamiento: los datos de entrenamiento son un cierto porcentaje de un conjunto de datos general junto con el conjunto de prueba. Como regla general, cuanto mejores sean los datos de entrenamiento, mejor se desempeñará el algoritmo o el clasificador.

Design Principles of Pattern Recognition
In pattern recognition system, for recognizing the pattern or structure two basic approaches are used which can be implemented in diferrent techniques. These are –

• Enfoque Estadístico y
• Enfoque estructural

Enfoque estadístico:
Los métodos estadísticos son fórmulas, modelos y técnicas matemáticas que se utilizan en el análisis estadístico de datos de investigación sin procesar. La aplicación de métodos estadísticos extrae información de los datos de investigación y proporciona diferentes formas de evaluar la solidez de los resultados de la investigación.

Se utilizan dos métodos estadísticos principales:
1. Estadística descriptiva: resume los datos de una muestra utilizando índices como la media o la desviación estándar.
2. Estadística inferencial: Saca conclusiones a partir de datos que están sujetos a variaciones aleatorias.

 
Enfoque estructural:
el enfoque estructural es una técnica en la que el alumno domina el patrón de la oración. Las estructuras son los diferentes arreglos de palabras en un estilo aceptado u otro.

Tipos de estructuras:
• Patrones de oraciones
• Patrones de frases
• fórmulas
• Modismos

Diferencia entre el enfoque estadístico y el enfoque estructural:

No Señor.	Enfoque Estadístico	Enfoque estructural
1	Teoría estadística de la decisión.	La percepción humana y la cognición.
2	Características cuantitativas.	Primitivos morfológicos
3	Número fijo de características.	Número variable de primitivas.
4	Ignora las relaciones de entidades.	Captura relaciones primitivas.
5	Semántica desde la posición de la característica.	Semántica a partir de la codificación de primitivas.
6	Clasificadores estadísticos.	Gramáticas sintácticas.