Академический Документы
Профессиональный Документы
Культура Документы
2
Reconhecimento de Padres
22
Domnio do Problema
Aplicao
Padro de Entrada
Classes de Padres
Bioinformtica
Anlise de Seqncia
DNA/Seqncia de
Tipos conhecidos de
Protena
genes/padres
Pontos em um espao
Compactar e separar
significantes
multi-dimensional
grupos
Busca na Internet
Documento texto
Categorias semnticas,
Minerao de dados
Classificao de
documentos
Anlise de documento de
imagem
cegos
Automao industrial
Inspeo de placas de
Intensidade ou alcance de
Natureza do produto
circuito impresso
imagem
(defeituosa ou no)
Busca Internet
Vdeo clip
Recuperao de base de
Imagem de Documento
Caracteres alfa-numricos,
palavras
dados multimdia
Reconhecimento
Identificao pessoal
biomtrico
Sensoriamento remoto
Prognstico da produo
digital
controle de acesso
Imagem multi-espectral
Categorias de
de colheita
aproveitamento de terra,
desenvolvimento de
padres de colheita
Reconhecimento de voz
Palavras faladas
assistncia de operador
23
na
utilizao
de
funes
de
deciso
(ou
discriminantes).
Seja
w1 , w2 ,..., wM ,
problema
bsico
encontrar
funes
de
deciso
(2.1)
24
(2.2)
mj =
1
Nj
j = 1,2,..., M
(2.3)
xw j
25
(2.4)
1
d j ( x) = x T m j m Tj m j j = 1,2,..., M
2
(2.5)
1
d ij ( x) = d i ( x ) d j ( x) = x T ( m i m j ) (m i m j ) T ( m i m j ) = 0
2
(2.6)
26
formulada na forma vetorial, o tratamento direto com uma imagem ou sub- imagem
mais intuitivo.
Em sua forma mais simples, a correlao entre f(x,y) e w(x,y)
c ( s, t ) = f ( x , y) w( x s , y t )
x
(2.7)
Figura 2.1: Esquema para se obter a correlao de f(x,y) e w(x,y) no ponto (s,t)
[GONZALEZ, R. C.
(s , t) =
27
[ f ( x, y ) f (x, y )][ w( x s, y t ) w]
x
2
2
2
[ f ( x, y ) f ( x, y)] [ x( x s, y t ) w]
x
y
x y
(2.8)
28
Figura 2.2: Blocos funcionais para o reconhecimento de padro na abordagem estatstica [JAIN, A. K. et
al. (2000a)].
seja
um
padro
representado
por
um
vetor
29
R( wi | x) = L ( wi , w j ).P (w j | x )
j =1
(2.9)
(2.10)
(2.11)
30
Figura 2.3: As vrias abordagens estatsticas para o reconhecimento de padro. [JAIN, A. K. et al.
(2000a)].
31
(ii)
grande
nmero
de
parmetros
desconhecidos
associados
ao
(iii)
32
33
34
ou
combinaes
do
conjunto
de
caractersticas
original.
35
36
Yn x m = X n x m H n x m
(2.12)
37
Figura 2.4: Redes Auto-associativas para encontrar um subespao. (a) linear, (b) no-linear (nem todas as
conexes so mostradas) [JAIN, A. K. et al. (2000a)].
38
39