Pengenalan pola: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
k Bot: Perubahan kosmetika |
|||
Baris 2:
<br />
Ada beberapa definisi lain tentang pengenalan pola, di antaranya:
* Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori. <ref>IJCSNS, 2006, ISSN 1738-7906)</ref>
* Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klasifikasi (pengenalan) dari suatu pengukuran. <ref>IJCSNS, 2006, ISSN 1738-7906</ref>
* Suatu pengenalan secara otomatis suatu bentuk, sifat, keadaan, kondisi, susunan tanpa keikutsertaan manusia secara aktif dalam proses pemutusan. <ref>McGraw-Hill Dictionary of Scientific and Technical Terms (2003)</ref>
Baris 14:
== Teknik Pengenalan Pola ==
Pengenalan pola biasanya merupakan langkah perantaraan bagi proses lebih lanjut. Langkah ini biasanya merupakan dapatan data (gambar, bunyi, teks, dll.) untuk dikelaskan, pre-pemrosesan untuk menghilangkan gangguan atau menormalkan gambar dalam satu cara ([[pemrosesan gambar|pemrosesan gambar (''image processing'')]], teks dll.), pengiraan ciri-ciri, pengkelasan dan akhirnya post-pemrosesan berdasarkan kelas pengenalan dan aras keyakinan.
Pengenalan pola itu sendiri khususnya berkaitan dengan langkah pengkelasan. Dalam kasus tertentu, sebagaimana dalam [[jaringan syaraf|jaringan syaraf (''neural networks]]''), pemilihan ciri-ciri dan pengambilan juga boleh dilaksanakan secara semi otomatis atau otomatis sepenuhnya.
Baris 22:
Pertama adalah mencari peta ruang ciri (''feature space'') (biasanya pelbagai dimensi [[ruang vektor|ruang vektor (''vector space'')]]) bagi set label. Secara bersamaan ia membagi ruang ciri menjadi kawasan-kawasan, kemudian meletakkan label kepada setiap kawasan. [[Algoritma]] yang demikian ini (contohnya the [[Nearest neighbor (pattern recognition)|nearest neighbour algorithm]]) biasanya belumlah menghasilkan kepercayaan atau [[posterior probability|class probabilities]], sebelum diterapkannya post-processing.
Masalah kedua adalah untuk menganggap masalah sebagai anggaran, dimana matlamat adalah untuk menganggar fungsi bagi bentuk
:<math>P({\rm class}|{\vec x}) = f\left(\vec x;\vec \theta\right)</math>
dimana input vektor ciri adalah <math>\vec x</math>, dan fungsi ''f'' biasanya diparameter oleh sebagian parameter <math>\vec \theta</math>. Dalam pendekatan [[statistik Bayesian]] bagi masalah ini, berlainan dengan memilih satu vektor parameter <math>\vec \theta</math>, hasil dibentuk bagi kesemua thetas yang mungkin, dengan turutan berat bagi ketepatan berdasarkan data latihan ''D'':
| |||