Rozpoznawanie wzorców

Rozpoznawanie wzorców – pole badawcze w obrębie uczenia maszynowego. Może być definiowane jako działanie polegające na pobieraniu surowych danych i podejmowaniu dalszych czynności zależnych od kategorii do której należą te dane. W rozpoznawaniu wzorców dąży się do klasyfikacji danych (wzorców) w oparciu o wiedzę aprioryczną lub o informacje uzyskane na drodze statystycznej analizy danych służącej wydobywaniu cech obiektów. Klasyfikowane wzorce to zazwyczaj grupy wyników pomiaru lub obserwacji definiujące położenie odpowiadających im punktów w wielowymiarowej przestrzeni cech. Kompletny system rozpoznawania wzorców składa się z: * czujnika, który dostarcza obserwacji, które mają być klasyfikowane lub opisywane; * mechanizmu wydobywania cech, które najlepiej charakteryzują i separują klasę, do której dana obserwacyjna należy, następnie mechanizmu przekształcenia w symboliczną informację; * schematu decyzyjnego lub schematu opisywania, który realizuje właściwą część procesu klasyfikacji lub opisywania obserwacji w oparciu o wydobyte cechy obiektów oraz o wiedzę a priori.