3.2 Принцип спільності властивостей

Завдання класу за допомогою властивостей, загальних для всіх вхідних в його склад членів, передбачає реалізацію процесу автоматичного розпізнавання шляхом виділення подібних ознак і роботи з ними. Основне допущення в цьому методі полягає в тому, що образи, що належать одному і тому ж класу, володіють рядом загальних властивостей або ознак, що відображають подібність таких образів. Ці загальні властивості можна, зокрема, ввести в пам'ять системи розпізнавання. Коли системі пред'являється некласифікований образ, то виділяється набір ознак, що описують його, причому останні іноді кодуються, і потім вони порівнюються з ознаками, закладеними в пам'ять системи розпізнавання. B такому випадку остання зарахує пред'явлений для розпізнавання образ в клас, що характеризується системою ознак, подібних ознакам цього образу. Отже, при використовуванні даного методу основна задача полягає у виділенні ряду загальних властивостей по кінцевій вибірці образів, приналежність яких шуканому класу відома.

Очевидно, що ця концепція розпізнавання у багатьох відношеннях перевершує розпізнавання за принципом переліку членів класу. Для запам'ятовування ознак класу потрібне значно менше пам'яті, ніж для зберігання всіх об'єктів, що входять в клас. Оскільки ознаки. характеризуючі клас в цілому, володіють інваріантністю, принцип зіставлення ознак допускає варіацію характеристик окремих образів. Процедура зіставлення з еталоном, з другого боку, не допускає істотних варіацій характеристик окремих образів. Якщо всі ознаки, що визначають клас, можна знайти по имеющейся вибірці образів, то процес розпізнавання зводиться просто до зіставлення no ознакам. Виключно важко, проте, якщо не неможливо взагалі, як вже згадувалося вище, знайти для деякого класу повний набір розрізняючих ознак. Отже, звернення до цього принципу розпізнавання часто пов'язано з необхідністю розвитку методів вибору ознак, що є в деякому розумінні оптимальними.

3.3 Принцип кластеризації

Коли образи деякого класу є векторами, компонентами яких є дійсні числа, цей клас можна розглядати як кластер і виділяти тільки його властивості в просторі образів кластера. Побудова систем розпізнавання, заснованих на реалізації даного принципу, визначається тим, що взаємним просторовим розташовує окремих кластерів. Якщо кластери, відповідні різним класам, рознесли достатньо далеко один від одного, то з успіхом можна скористатися порівняно простими схемами розпізнавання, наприклад такими, як класифікація за принципом мінімальної відстані. Якщо ж кластери перекриваються, доводиться звертатися до складніших методів розбиття простору образів. Перекриття кластерів є результатом неповноцінності доступної інформації і шумових спотворень результатів вимірювання. Тому ступінь перекриття часто вдається зменшити, збільшуючи кількість і якість вимірювань, виконуваних над чинами деякого класу.

Для реалізації розглянутих вище основних принципів побудови автоматичних систем розпізнавання образів існують три основні типи методології: евристична, математична і лінгвістична (синтаксична). Нерідко системи розпізнавання створюються на основі комбінації цих методів.