Revisi per 4 Februari 2008 06.20 sunting SieBot (bicara \| kontrib) 114.955 suntingan k bot Menambah: tr:Örüntü Tanıma ← Revisi sebelumnya		Revisi per 25 Februari 2008 03.51 sunting balikkan Borgxbot (bicara \| kontrib) 259.487 suntingan k Robot: Cosmetic changes Revisi selanjutnya →
Baris 1: '''Pengenalan pola''' merupakan bidang dalam [[~~pembelajaran mesin\|~~pembelajaran mesin]] dan dapat diartikan sebagai "tindakan mengambil data mentah dan bertindak berdasarkan klasifikasi data" <ref>Richard O. Duda, Peter E. Hart, David G. Stork (2001) ''Pattern classification'' (2nd edition), Wiley, New York, ISBN ~~0471056693~~0-471-05669-3.</ref> <ref>J. Schuermann: ''Pattern Classification: A Unified View of Statistical and Neural Approaches'', Wiley&Sons, 1996, ISBN ~~0471135348~~0-471-13534-8</ref>. Dengan demikian, ia merupakan himpunan kaidah bagi pembelajaran diselia (''supervised learning''). Salah satu aplikasinya adalah [[pengenalan suara]], klasifikasi teks dokumen dalam kategori (contoh. surat-E spam/bukan-spam), [[pengenalan tulisan tangan]], pengenalan kode pos secara otomatis pada sampul surat, atau sistem [[pengenalan wajah manusia]]. Aplikasi ini kebanyakan menggunakan [[analisis citra]] bagi pengenalan pola yang berkenaan dengan [[citra digital]] sebagai input ke dalam sistem pengenalan pola == 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. Baris 11: Sementara terdapat banyak kaidah untuk pengkelasan, ia menyelesaikan satu dari tiga masalah matematis berkaitan. 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_~~Nearest neighbor (~~pattern_recognition~~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 Baris 34: * [[Model Markov tersembunyi\|Model Markov Tersembunyi (''Hidden Markov model'')]] == Domain Aplikasi == * [[komputer visi]] ** [[pengenalan karakter medis]] (''Medical image analysis'')]] Baris 52: * Algoritma Viterbi == Rujukan == <references/> [[Kategori:Statistika]]

Pengenalan pola: Perbedaan antara revisi