Was ist eine Mustererkennung?
Die Mustererkennung ist der Prozess der Klassifizierung von Eingangsdaten in Objekte oder Klassen auf Grundlage der Hauptmerkmale. Es gibt zwei Methoden der Klassifizierung bei der Mustererkennung: überwachte und unüberwachte Klassifikation.
Die Mustererkennung wird unter anderem angewandt in den Bereichen Maschinelles Sehen, Radardatenverarbeitung, Spracherkennung und Textklassifizierung.
Überwachte Klassifikation
Die überwachte Klassifikation von Eingangsdaten in der Mustererkennungsmethode verwendet Algorithmen für überwachtes Lernen, die Klassifizierer auf der Grundlage von Trainingsdaten aus verschiedenen Objektklassen erstellen. Anschließend nimmt der Klassifizierer die Eingangsdaten an und ordnet das entsprechende Objekt oder die entsprechende Klassenkennzeichnung zu.
Beim Maschinellen Sehen werden die Techniken der überwachten Mustererkennung für die optische Zeichenerkennung (OCR), Objekterkennung und Objektklassifikation verwendet.
Unüberwachte Klassifikation
Die Methode der unüberwachten Klassifikation findet verborgene Strukturen in nicht gekennzeichneten Daten unter Verwendung von Segmentierungs- oder Clustering-Algorithmen. Zu den gängigen Methoden der unüberwachten Klassifikation gehören:
- K-Means-Clustering
- Gauss-Mischverteilungen
- Hidden Markov Modelle
In der Bildverarbeitung und im Maschinellen Sehen werden die Techniken der unüberwachten Mustererkennung für die Objekterkennung und Bildsegmentierung verwendet.
Einzelheiten finden Sie unter Computer Vision Toolbox, Image Processing Toolbox und Statistics and Machine Learning Toolbox, die zusammen mit MATLAB verwendet werden.
Beispiele und Anleitungen
Softwarereferenz
Siehe auch: Objektdetektion, Objekterkennung, Bilderkennung, Merkmalsextraktion, Bildsegmentierung, Machine Learning, Videos zur Mustererkennung
