Pattern Recognition Using Graph Theory
چکیده :
pattern recognition علمی است که به توصیف و کلاسه بندی و تشخیص اشیا مختلف
می پردازد . یکی از روش های مختلف برای تشخیص الگو تشخیص الگوی ساختاری است
که در آن از تئوری گراف برای توصبف اجسام موجود استفاده می شود . باز نمایی داده ها
و اشیا توسط گراف ها ما را به سمت الگوریتم های تطبیق گراف سوق می دهند . در این
سمینار قصد داریم الگوریتم های شناسایی الگو با گراف ها و دسته بندی های موجود
در این رابطه را مورد بررسی قرار دهیم . روش های موجود عبارتند از الگوریتم های بهینه
الگوریتم های تقریب الگوریتم های مقاوم در برابر خطا و جستجوی شاخص دار .
الگوریتم های بهینه همیشه بهترین تطابق را استخراج می کنند ولی پیچیدگی زمانی
بسیار بالایی دارند . در روش های تقریب تضمینی در مورد بهینه بودن جواب وجود
ندارد در عوض زمان محاسبه و رسیدن به تطابق مورد نظر بسیار کوتاهتر می باشد .
روش های مقاوم در برابر خطا کاربرد بیشتری در محیط های واقعی و نویزی دارند .
الگوریتم های تطبیق گراف را می توان برای stero vision تشخیص داد سازمان دهی
مدل های بانک اطلاعاتی و غیره بکار برد .
مقدمه :
تشخیص الگو در برگیرنده دو عمل اساسی و مهم می باشد : توصیف و دسته بندی
وقتی یک جسم ناشناخته را به عنوان ورودی به سیستم می دهیم ابتدا یک توصیف
از این جسم تولید می شود . دو راه کار کلی برای پیاده سازی سیستم مهای تشخیص
الو وجود دارد .
1. تشخیص الگوی آماری
2. تشخیص ساختاری
هر کدام از این دو روش تکنیک های متفاوتی را برای عمل توصیف و کلاسه بندی به کار
می برند . روش ها ی آماری با استفاده از تئوری های تصمیم گیری و براساس ویژگی های
کمیتی استخراج شده از ورودی فرایند کلاسه بندی را انجام می دهند . روش های
ساختاری بر مبنای ویژگی های شکل شناسی و خصوصیات ساختاری جسم و نحوه
ارتباط آنها باهم عمل توصیف ورودی و تشخیص گروه مربوط به آن را پیاده سازی می کنند .
تعداد صفحه :63
استفاده از گراف ها در تشخیص الگوها
