РАСПОЗНАВАНИЕ ОБРАЗОВ

РАСПОЗНАВАНИЕ ОБРАЗОВ научное направление,
связанное с разработкой принципов и построением систем, предназначенных
для определения принадлежности данного объекта к одному из заранее выделенных
классов объектов. Под объектами в Р. о. понимают различные предметы, явления,
процессы, ситуации, сигналы. Каждый объект описывается совокупностью осн.
характеристик (признаков, свойств) X = (хгде
i-я координата вектора X определяет значения i-й характеристики,
и дополнит. характеристикой S, к-рая указывает на принадлежность объекта
к нек-рому классу (образу). Набор заранее расклассифицированных объектов,
т. е. таких, у к-рых известны характеристики X и S, используется
для обнаружения закономерных связей между значениями этих характеристик
и поэтому наз. обучающей выборкой. Те объекты, у к-рых характеристика S
неизвестна, образуют контрольную выборку. Отд. объекты обучающей и контрольной
выборок наз. реализациями.

Одна из осн. задач Р. о.- выбор правила
(решающей функции) D, в соответствии с к-рым по значению контрольной
реализации X устанавливается её принадлежность к одному из образов,
т. е. указываются "наиболее правдоподобные" значения характеристики S для
данного X. Выбор решающей функции D требуется произвести
так, чтобы стоимость самого распознающего устройства, его эксплуатации
и потерь, связанных с ошибками распознавания, была минимальной. Примером
задачи Р. о. этого типа может служить задача различения нефтеносных и водоносных
пластов по косвенным геофизич. данным. По этим характеристикам сравнительно
легко обнаружить пласты, насыщенные жидкостью. Значительно сложнее определить,
наполнены они нефтью или водой. Требуется найти правило использования информации,
содержащейся в геофизич. характеристиках, для отнесения каждого насыщенного
жидкостью пласта к одному из двух классов - водоносному или нефтеносному.
При решении этой задачи в обучающую выборку включают геофизич. данные вскрытых
пластов.

Успех в решении задачи Р. о. зависит в
значительной мере от того, насколько удачно выбраны признаки X. Исходный
набор характеристик часто бывает очень большим. В то же время приемлемое
правило должно быть основано на использовании небольшого числа признаков,
наиболее важных для отличения одного образа от другого. Так, в задачах
мед. диагностики важно определить, какие симптомы и их сочетания (синдромы)
следует использовать при постановке диагноза данного заболевания. Поэтому
проблема выбора информативных признаков - важная составная часть проблемы
Р. о.

Проблема Р. о. тесно связана с задачей
предварит. классификации, или таксономией.

В осн. задаче P.O. о построении решающих
функций D используются закономерные связи между характеристиками
X
и
S, обнаруживаемые на обучающей выборке, и нек-рые дополнит. априорные предположения,
напр. след. гипотезы: характеристики X для реализаций образов представляют
собой случайные выборки из генеральных совокупностей с нормальным распределением
(см. ниже - Р. о. в математической статистике); реализации одного образа
расположены "компактно" (в нек-ром смысле); признаки в наборе X независимы
и т. д.

В области Р. о. существенно используются
идеи и результаты многих др. науч. направлений - математики, кибернетики,
психологии и т. д.

В 60-х гг. 20 в. в связи с развитием электронной
техники, в частности ЭВМ, широкое применение получили автоматич. системы
распознавания. Под системами распознавания обычно понимают комплексы средств,
предназначенных для решения описанных выше задач. Методы Р. о. используются
в процессе машинной диагностики различных заболеваний, для прогнозирования
полезных ископаемых в геологии, для анализа экономических и социальных
процессов, в психологии, криминалистике, лингвистике, океанологии, химии,
ядерной и космической физике, в автоматизированных системах управления
и т. д. Их применение оправдано практически всюду, где приходится иметь
дело с классификацией экспериментальных данных. См. также Кибернетика,
Кибернетика техническая, Обучающаяся автоматическая система.

Лит.: Себестиан Г.-С., Процессы
принятия решений при распознавании образов, пер. с англ., К., 1965; Бонгард
М. М., Проблема узнавания, М., 1967; Цыпкин Я. З., Адаптация и обучение
в автоматических системах, М., 1968; Айэерман М. А., Браверман Э. М. Розоноэр
Л. И., Метод потенциальных функций в теории обучения машин, М., 1970; Загоруйко
Н. Г., Методы распознавания и их применение, М., 1972; Вапник В. Н., Червоненкис
А. Я., Теория распознавания образов, М., 1974.

А. Л. Боровков, Н. Г. Загоруйко.

Р. о. в математической статистике - класс
задач, связанных с определением принадлежности данного наблюдения к одной
из генеральных совокупностей (с неизвестными распределениями), к-рые представлены
лишь конечными выборками. В качестве данного наблюдения может выступать
и совокупность наблюдений (выборка) из одной из представленных генеральных
совокупностей. Каждое наблюдение представляет собой число или вектор. Часто
указанный класс задач называют также дискриминантным анализом или классификацией.

Предположим, что известны nнаблюдений из генеральной совокупности Aнаблюдений
из генеральной совокупности Апнаблюдений
из генеральной совокупности A=2. Дана также выборка
z = (zzЗадача Р. о. состоит в
определении, какой из генеральных совокупностей A1,2,...,
т,
принадлежит выборка z. При этом обычно принимается предположение
о том, что распределения Р.) совокупностей
Апринадлежат некоторому семейству {Р(O, •)} распределений, зависящих
от векторного параметра O, так что Р= Р (O•), где Oнеизвестны.

Если заданы потери Lк-рые
несёт наблюдатель, относя выборку 2 к совокупности (образу) Aкогда
она на самом деле принадлежит Aто сформулированная
задача может рассматриваться и решаться с помощью методов теории статистич.
игр [стратегией природы здесь является набор (O,
j), где j указывает номер совокупности, к которой относится
z]. В этом случае возможно отыскание оптимальных "решающих функций", минимизирующих
в том или ином смысле потери наблюдателя.

Задачи Р. о. оказываются весьма трудными
и исследованы (1975) лишь в отд. частных случаях. Для общей проблемы при
наличии нек-рых дополнительных предположений можно указать асимптотически
оптимальные правила, дающие потери, приближающиеся к минимальным, когда
числа n неограниченно возрастают.

Сформулированные задачи представляют собой
одну из наиболее естественных математич. моделей (формализации) для задач
Р. о. А. А. Боровков.

Биологический аспект Р. о. тесно связан
с организацией поведения животных, к-рые в природных условиях, как правило,
воспринимают внешние объекты одновременно разными органами чувств; поэтому
образы реальных предметов объединяют в себе зрительные, тактильные, вкусовые
и др. характеристики. Для удобства исследования обычно разделяют процессы,
связанные с восприятием и распознаванием оптических, акустических и иных
свойств предметов. Термин "образ" чаще применяют в связи со зрительным
и слуховым восприятием. Наиболее детально изучено распознавание зрительных
образов.

Зрительно воспринимаемый животными и человеком
окружающий мир - это трёхмерное пространство с объёмными объектами относительно
постоянной формы и окраски, как правило несамосветящимися и заключёнными
в прозрачную среду (воздух, воду). Вследствие подвижности как самих животных,
так и нек-рых внешних объектов, каждому, даже неизменному предмету, соответствует
множество различных его изображений на сетчатке глаза, являющихся
плоскими проекциями предметов на поверхность её светочувствит. рецепторов.
Важнейшая функция системы зрения - реконструкция трёхмерного мира на основе
этих плоских изображений, что необходимо для организации активного поведения
животных. Внешним проявлением работы механизмов, осуществляющих такую реконструкцию,
служит константность восприятия человеком и животным размера, формы и цвета
предметов. Не менее важная функция зрит. системы - классификация объектов
в соответствии с их биол. значимостью для животного (то, что обычно понимается
под узнаванием). В зависимости от вида животного и уровня организации его
зрит. системы узнавание происходит различно: животные отличаются как по
способности воспринимать определённые оптич. свойства объектов (видимая
область спектра, цвет, поляризованность света), так и по степени сложности
обработки зрит. информации. У низших животных уже в сетчатке имеются специализированные,
т. н. детекторные нервные клетки, выделяющие биологически важные признаки
объектов непосредственно из сетчатого изображения (напр., "детектор тёмного
пятна" у лягушки). У высших животных большое значение имеют зрит. центры
головного мозга, где тоже найдены специализированные нервные клетки с весьма
сложными свойствами. Помимо врождённых механизмов Р. о., в работе зрит.
системы, как и др. рецепторных систем, большое значение имеет индивидуальный
опыт (научение) и одна из его своеобразных форм - запечатление.

Несмотря на огромное разнообразие животных
и различия в аппаратах зрения, имеется много общего в способах обработки
зрит. информации животными разных видов. Об этом свидетельствует, в частности,
общность средств зрит. маскировки, привлечения и отпугивания, широко используемых
в мире животных. Ряд особенностей восприятия и Р. о., лучше изученных для
зрит. процесса, имеет общее значение. Так, решаемая слуховой системой задача
стабильного восприятия (правильность узнавания) слуховых образов в переменных
условиях аналогична задаче константного узнавания окраски. См. также статьи
Восприятие,
Зрение и лит. при них.

Лит.: Глезер В. Д. .Невская А. А.,
Опознавание зрительных образов, в сб.: Физиология сенсорных систем, ч.
1-физиология зрения, Л., 1971 (Руководство по физиологии); International
joint conference on pattern recognition. Proceedings..., N. Y., 1973. А.
А. Диментман, В. В. Максимов,

О. Ю. Орлов.