Musteranalyse – ウィキペディア

サンプル分析 パターン認識のサブエリアです。サンプル分析は、信号、パターンからの説明の自動生成を意味すると理解されています。パターンの例は、写真、または画像シーケンスと言語信号です。パターン分析では、アルゴリズムとシステムアプローチに従ってこの問題の研究が実施されます。

パターンを最終的に多くのクラスの1つとして割り当てるモデル分類の分類方法とは対照的に、パターンはサンプル分析でパターンの下に分割され、シンボリックな説明がそれらに割り当てられます。これは、サブパターンの量からのすべての可能な象徴的な説明の無限の量へのイラストに対応します。

サンプル分類システム、音声認識者、または写真愛好家の頻繁に均質な構造とは対照的に、パターン分析システムが構造化されています。それにもかかわらず、いくつかの基本的なコンポーネントがありますが、ほとんどのシステムは相互作用が異なります。

方法 [ 編集 | ソーステキストを編集します ]

メソッドコンポーネントでは、言語信号または画像の処理に合わせて調整されたメソッド、例えばB.カルマンフィルターまたは写真のヘビ、要約。

定性的知識表現 [ 編集 | ソーステキストを編集します ]

自動パターン分析システムでアプリケーションドメインの知識を効率的かつ同時に適切な方法で表現するために、人工知能からの技術がよく使用されます。 B.セマンティックネットワーク、フレーム、PL1など。この知識はしばしばあいまいであるため、メソッドにはエラーに対する特定の感受性があります。

説明コンポーネント [ 編集 | ソーステキストを編集します ]

医学の例： B. Xパターン分析システムの画像「患者xが緊急に必要な操作y」という形式のシンボリック版は生成され、医師（および患者）が質問をします、 なぜ この操作が必要です どうやって サンプル分析システムはこの答えに至りました。ここでは中級の手順が必要です。これらの中間ステップと、どの中間ステップが行われたかについての必要な説明が説明コンポーネントによって提供される理由。

学び [ 編集 | ソーステキストを編集します ]

ほとんどの知識ベースは、人間の専門家の複雑で高価な手動作業で作成されているため、エラーが発生しやすいです。異なる専門家は、異なる知識ベースを生成します。したがって、機械学習は非常に適切ですが、実際には不可能です。

制御コンポーネント [ 編集 | ソーステキストを編集します ]

制御コンポーネントは、代表される知識が知識ベースで処理される制御戦略を提供します。メソッドコンポーネントの特別な方法は、処理に使用されます。この戦略は、たとえばA*アルゴリズムなど、グラフ、ツリー、またはさまざまな検索室の検索の形式で利用できることがよくあります。

完全な画像分析システム [ 編集 | ソーステキストを編集します ]

これは、画像処理および分析システムの模範的で完全な構造です。
これは、画像処理、画像分類、画像分析の3つの部分にほぼ分けられます。

1. 画像処理
   1. それらの： カメラ（デジタルカメラ、カムコーダー）、スキャナーなど。
   2. デジタル化された画像：評議員、量子化された画像（例：1024×768グレー値画像、量子化：8ビット、つまり灰色の値0 =黒と255 =白）
   3. 予備処理： 画像の規範、ノイズ抑制または類似のためのフィルターの適用（画像の復元）。
   4. 画像の区画のセグメンテーションは、均一な領域（同じ色、同じテクスチャなど）になります。
   5. 特徴的な抽出：特徴的なベクターの画像の重要な特徴を要約します。
2. サンプル分類
3. 画像分析： サンプル分類、画像識別子（見られるもののみ、写真のオブジェクト間の関係は役割ではありません）または画像解釈（写真の「車」と「人間」だけでなく、車が重ねられているという解釈）が行われます。

1988年の画像処理システムは、この地域で最初のシステムの1つでした 機械的な参照 。

画像分析のアプリケーション [ 編集 | ソーステキストを編集します ]

完全な言語分析システム [ 編集 | ソーステキストを編集します ]

これは、言語処理および分析システムの模範的で完全な構造です。
これは、音声認識と言語処理/言語分析/言語理解の2つの部分にほぼ分けられます。

1. 音声認識：
   1. 通常、8 kHzまたは16 kHz、サンプリング値ごとに12〜16ビットの量子化を使用したアナログ言語信号のスキャン。
   2. 予備処理： ラウシュフィルター、純粋な沈黙のセクションの除去、または背景番号から。
   3. 特性計算： ウィンドウの形成（ウィンドウ関数による）：たとえば、10ミリ秒ごとに長さ16ミリ秒のウィンドウが形成され（オーバーラップが必要）、そのz。 B. Cepstral分析または線形予測（LPC、線形予測係数、線形予測を参照）を介して、特性が計算され、特性ベクターに結合されます。特徴計算中、多くの場合、信号の聴覚の歪みがまだあります（精神音響、MFCC、メルスカラ、樹皮スケール、耳を参照）。
   4. 分類と検索 ：特徴的なベクトルの割り当ては、ヒドンマルコフモデル（HMM）ごとのポリフォニックまたは単語への割り当てです。単語グラフまたはNベストワードチェーンのリストが作成されます。
   5. 音声認識： 実際 音声認識、つまり、実際に言われたことの再構築としてのテキスト表現は、音響モデル（HMM）および音声モデル（多くの場合N-Grams）のネットワークとして行われます
2. 言語処理/言語分析：
   1. Prosodie認識： イントネーション、アクセント、リズムなど、言語の韻律的特徴の兆候を示します。この情報は、増幅の溶解のためのビルドアップ分析で役立ちます。
   2. 構文分析： 最も段階的な発話（LRパーサーの使用など）を届けます。
   3. セマンティック分析： 解析プロセスの構文構造の上に構築されています。 B.構文ツリーの形で、意味分析が行われます
   4. 実用的： 文の意味は、コンテキストのコンテキストによってのみ実際に理解できる場合があります。
   5. Dialogsystem： 解釈されたステートメントは、ダイアログシステム（ロボットなど）に供給できるようになり、音声合成を使用して適切な回答を生成できます。

パターン分析システムに必要な前提条件は、知識の明示的な表現です。ただし、人工知能とは対照的に、不確実な入力データと競合する仮説の問題が発生するため、システムアクティビティの制御が非常に重要です。 AIメソッドに加えて、中間結果の知識とストレージを整理するためのデータベースシステムも考慮されます。ファジーロジックやベイズのネットネットワークなどのさまざまなライムスケールを使用して、仮説を評価します。

定性的リレーショナル表現の機会 [ 編集 | ソーステキストを編集します ]

一般的な表現形式 [ 編集 | ソーステキストを編集します ]

一般に、知識ベースを直感的かつ明確に構築できるため、セマンティックネットワークがよく使用されます。さらに、KL-One、フレーム、述語ロジックなどの知識表現言語がよく使用されます。

言語データ分析 [ 編集 | ソーステキストを編集します ]

言語データ分析の分野では、正式な文法とマシンがよく使用されます。たとえば、LR-Parserを使用したテキストに表現された言語の構文構造は、LR文法に関する正確性を効率的にチェックできます。特徴的な構造と組み合わせて、統合による属、および数値に関するセットフラグメントの一致も組み合わせています。

画像データ分析 [ 編集 | ソーステキストを編集します ]

セマンティックネットワーク言語は、特別な（言語）および画像データ分析方法を提供します。

画像処理では、2Dまたは3Dオブジェクトを表すために属性グラフが使用されます。あなたが働いている場合。 B.領域ベースのセグメンテーションでは、セグメント化された領域は、ノットとして、グラフのエッジとして領域間の関係として表すことができます。ノット属性として、z。 B.地域の色値とエッジとしての属性は、問題の「下」などの倉庫の高揚感を属性にします。すでに既知のオブジェクトのグラフは、シナリオに応じて、多かれ少なかれ多数のモデルグラフがあります。オブジェクト認識の目的は、セグメント化された画像にこれらのモデルグラフの1つ以上を見つけることです。セグメント化された画像がグラフとして表されている場合、タスクは変換され、すべてのモデルグラフを入力グループと比較します。モデルグラフが入力グループにサブグラフとして含まれている場合、検索は成功しました。数学的な観点から、これはエラー補正を伴うグラフィソモルフィズムの検索です。

知識の定量的表現 [ 編集 | ソーステキストを編集します ]

これは、数値分類器、マルコフランダムフィールド、ベイズのネットワークが使用される場所です。

• G.セイガース： 話し言葉の自動理解。 （= シリーズコンピューターサイエンス。 テープ74）。 B.I.-Polichly、Hamheim 1990、ISBN 3-411-14391-6。
• H.ニーマン： パターン分析と理解。 （= 情報科学のスプリンガーシリーズ。 バンド4）。ベルリン1990、ISBN 3-540-51378-7。
• P. C.ロックマン、J。W。シュミット（編）： データベースマニュアル。 Springer、1987、ISBN 3-540-10741-X。
• A.ピンツ： 画像の理解。 （= コンピューターサイエンスの教科書 ）。スプリンガー、ウィーン1994、ISBN 3-211-82571-1。

1. ↑ 画像認識/Barcodeleserとのモバイル価格比較