7.3 Виды систем распознавания.

В целях классификации систем распознавания рационально исходить из свойств информации, используемой в процессе распознавания. Мы уже видели, что в системах распознавания используется априорная и апостериорная информация.

В зависимости от свойств априорной информации можно выделить простые и сложные системы, системы, работающие с однородной или разнородной информацией для описания признаков объектов.

Простые системы – это системы, использующие физически однородную информацию для описания распознаваемых объектов. Сюда относятся такие системы, как:

- читающие автоматы; словарь признаков состоит из прямых черточек, расположенных в различном порядке,

- автоматы для размена монет; признак, используемый для распознавания, это масса монет,

- автоматические устройства для контроля изделий по однородным показателям: линейным или угловым размерам, по массе и так далее.

Сложные системы используют для распознавания разнородные физические величины в качестве признаков объектов. Так в системах медицинской диагностики в качестве признаков (симптомов) могут использоваться:

- данные анализа крови,

- результаты анализа кардиограмм,

- температура тела,

- динамика давления крови.

По способу получения апостериорной информации сложные системы подразделяются на одно- и многоуровневые.

О дноуровневые системы характеризуются тем, что значения признаков распознавания объектов определяются их прямыми измерениями.

Здесь:

Т – технические средства, то есть датчиковая аппаратура, необходимая для восприятия признаков объекта. Их общее число N равно числу признаков. При измерениях получают наборы значений каждого признака (выборки):

набор из k значений,

……………………………………………………….,

набор из l значений,

……………………………………………………….

набор из m значений.

БАР – блок алгоритмов распознавания,

АИ – априорная информация (необходимые распределения, вероятности, платежные матрицы и прочее);

БУ – блок управления техническими средствами (необходимость повторения измерений, включение актов измерений и прочее).

Многоуровневые системы характеризуются тем, что апостериорная информация получается путем косвенных измерений значений первичных признаков для получения признаков, входящих в словарь признаков объекта.

Так на рисунке представлена схема трехуровневой системы распознавания, в которой наряду с уровнем первичных преобразователей имеются еще два уровня промежуточных преобразователей, вычисляющих значения производных признаков, имеющихся в словаре признаков распознаваемых объектов.

В зависимости от объема первичной, априорной информации системы распознавания можно разделить на три типа.

1. Системы без обучения

При построении таких систем априорной информации достаточно для того, чтобы:

- составить словарь признаков ,

- в соответствии с принятой классификацией разделить все множество объектов на n классов - (грипп, бронхит, чума; истребители, штурмовики, бомбардировщики),

- описать каждый класс на языке признаков.

С истема распознавания имеет при этом следующую структуру

Считается, что для построения системы без обучения необходимо располагать полным объемом априорной информации.

2. Обучающиеся системы

Первоначальной априорной информации достаточно для того, чтобы:

- составить словарь признаков ,

- в соответствии с принятой классификацией разделить все множество объектов на n классов ,

но не достаточно для описания классов на языке признаков.

Однако исходная априорная информация позволяет выделить объекты, принадлежащие различным классам:

Для построения процедуры обучения системы необходимо иметь образцы распознаваемых объектов – эталонные объекты разных классов с заранее известными значениями признаков:

Для повышения точности распознавания желательно иметь по нескольку образцов для каждого класса.

Теперь обучающая последовательность образцов можно представить в виде комплекса эталонных объектов, каждый из которых принадлежит определенному классу:

Наличие такой последовательности позволяет построить процедуру обучения. Целью обучения является определение системы разрешающих функций На стадии своего формирования система распознавания с обучением должна работать с учителем.

Учитель многократно предъявляет системе распознавания известные обучающие объекты и указывает, к каким классам они относятся. В процессе обучения коэффициенты усиления сигналов первичных преобразователей и некоторые параметры алгоритма распознавания, например, весовые коэффициенты, насильственно изменяют таким образом, чтобы система правильно указала на заданный класс объектов.

Затем учитель начинает экзаменовать систему распознавания и вносить коррекции (указывать на ошибки) до тех пор, пока доля ошибок в среднем не снизится до допустимого уровня.

3. Самообучающиеся системы

Здесь априорной информации достаточно только для того, чтобы создать словарь признаков , но недостаточно даже для проведения классификации объектов. Мы заранее знаем, что объекты могут быть разными, но поделить их на классы, как-то классифицировать, мы не в состоянии.

На стадии самообучения системе распознавания предъявляют некоторую совокупность объектов (выборку), достаточно представительную для дальнейшего ее функционирования. Эти объекты заданы своими признаками . Однако неизвестно, к какому классу относятся эти объекты, нет первоначального деления на классы. Эта информация заменяется некоторым набором правил, в соответствии с которыми система на этапе самообучения сама вырабатывает некоторую классификацию, которой в дальнейшем и придерживается. Структура системы приобретает такой вид: