РАСПОЗНАВАНИЕ ОБРАЗОВ

РАСПОЗНАВАНИЕ ОБРАЗОВ, научное направление, связанное с разработкой принципов и построением систем, предназначенных для определения принадлежности данного объекта к одному из заранее выделенных классов объектов. Под объектами в Р. о. понимают различные предметы, явления, процессы, ситуации, сигналы. Каждый объект описывается совокупностью осн. характеристик (признаков, свойств) X = (х₁,...,x_i,...,x_n), где i-я координата вектора X определяет значения i-й характеристики, и дополнит. характеристикой S, к-рая указывает на принадлежность объекта к нек-рому классу (образу). Набор заранее расклассифицированных объектов, т. е. таких, у к-рых известны характеристики X и S, используется для обнаружения закономерных связей между значениями этих характеристик и поэтому наз. обучающей выборкой. Те объекты, у к-рых характеристика S неизвестна, образуют контрольную выборку. Отд. объекты обучающей и контрольной выборок наз. реализациями.

Одна из осн. задач Р. о.- выбор правила (решающей функции) D, в соответствии с к-рым по значению контрольной реализации X устанавливается её принадлежность к одному из образов, т. е. указываются "наиболее правдоподобные" значения характеристики S для данного X. Выбор решающей функции D требуется произвести так, чтобы стоимость самого распознающего устройства, его эксплуатации и потерь, связанных с ошибками распознавания, была минимальной. Примером задачи Р. о. этого типа может служить задача различения нефтеносных и водоносных пластов по косвенным геофизич. данным. По этим характеристикам сравнительно легко обнаружить пласты, насыщенные жидкостью. Значительно сложнее определить, наполнены они нефтью или водой. Требуется найти правило использования информации, содержащейся в геофизич. характеристиках, для отнесения каждого насыщенного жидкостью пласта к одному из двух классов - водоносному или нефтеносному. При решении этой задачи в обучающую выборку включают геофизич. данные вскрытых пластов.

Успех в решении задачи Р. о. зависит в значительной мере от того, насколько удачно выбраны признаки X. Исходный набор характеристик часто бывает очень большим. В то же время приемлемое правило должно быть основано на использовании небольшого числа признаков, наиболее важных для отличения одного образа от другого. Так, в задачах мед. диагностики важно определить, какие симптомы и их сочетания (синдромы) следует использовать при постановке диагноза данного заболевания. Поэтому проблема выбора информативных признаков - важная составная часть проблемы Р. о.

Проблема Р. о. тесно связана с задачей предварит. классификации, или таксономией.

В осн. задаче P.O. о построении решающих функций D используются закономерные связи между характеристиками X и S, обнаруживаемые на обучающей выборке, и нек-рые дополнит. априорные предположения, напр. след. гипотезы: характеристики X для реализаций образов представляют собой случайные выборки из генеральных совокупностей с нормальным распределением (см. ниже - Р. о. в математической статистике); реализации одного образа расположены "компактно" (в нек-ром смысле); признаки в наборе X независимы и т. д.

В области Р. о. существенно используются идеи и результаты многих др. науч. направлений - математики, кибернетики, психологии и т. д.

В 60-х гг. 20 в. в связи с развитием электронной техники, в частности ЭВМ, широкое применение получили автоматич. системы распознавания. Под системами распознавания обычно понимают комплексы средств, предназначенных для решения описанных выше задач. Методы Р. о. используются в процессе машинной диагностики различных заболеваний, для прогнозирования полезных ископаемых в геологии, для анализа экономических и социальных процессов, в психологии, криминалистике, лингвистике, океанологии, химии, ядерной и космической физике, в автоматизированных системах управления и т. д. Их применение оправдано практически всюду, где приходится иметь дело с классификацией экспериментальных данных. См. также Кибернетика, Кибернетика техническая, Обучающаяся автоматическая система.

Лит.: Себестиан Г.-С., Процессы принятия решений при распознавании образов, пер. с англ., К., 1965; Бонгард М. М., Проблема узнавания, М., 1967; Цыпкин Я. З., Адаптация и обучение в автоматических системах, М., 1968; Айэерман М. А., Браверман Э. М. Розоноэр Л. И., Метод потенциальных функций в теории обучения машин, М., 1970; Загоруйко Н. Г., Методы распознавания и их применение, М., 1972; Вапник В. Н., Червоненкис А. Я., Теория распознавания образов, М., 1974.

А. Л. Боровков, Н. Г. Загоруйко.

Р. о. в математической статистике - класс задач, связанных с определением принадлежности данного наблюдения к одной из генеральных совокупностей (с неизвестными распределениями), к-рые представлены лишь конечными выборками. В качестве данного наблюдения может выступать и совокупность наблюдений (выборка) из одной из представленных генеральных совокупностей. Каждое наблюдение представляет собой число или вектор. Часто указанный класс задач называют также дискриминантным анализом или классификацией.

Предположим, что известны n₁ наблюдений из генеральной совокупности A₁, п₂наблюдений из генеральной совокупности А₂ и т. д., п_тнаблюдений из генеральной совокупности A_m, m>=2. Дана также выборка z = (z₁, ..., z_n). Задача Р. о. состоит в определении, какой из генеральных совокупностей A_j, j = 1,2,..., т, принадлежит выборка z. При этом обычно принимается предположение о том, что распределения Р_j(^.) совокупностей А_j принадлежат некоторому семейству {Р(O, •)} распределений, зависящих от векторного параметра O, так что Р_j( •) = Р (O_j], •), где O_jнеизвестны.

Если заданы потери L_ij, к-рые несёт наблюдатель, относя выборку 2 к совокупности (образу) A_j, когда она на самом деле принадлежит A_i, то сформулированная задача может рассматриваться и решаться с помощью методов теории статистич. игр [стратегией природы здесь является набор (O₁, ..., O_m, j), где j указывает номер совокупности, к которой относится z]. В этом случае возможно отыскание оптимальных "решающих функций", минимизирующих в том или ином смысле потери наблюдателя.

Задачи Р. о. оказываются весьма трудными и исследованы (1975) лишь в отд. частных случаях. Для общей проблемы при наличии нек-рых дополнительных предположений можно указать асимптотически оптимальные правила, дающие потери, приближающиеся к минимальным, когда числа n_j неограниченно возрастают.

Сформулированные задачи представляют собой одну из наиболее естественных математич. моделей (формализации) для задач Р. о. А. А. Боровков.

Биологический аспект Р. о. тесно связан с организацией поведения животных, к-рые в природных условиях, как правило, воспринимают внешние объекты одновременно разными органами чувств; поэтому образы реальных предметов объединяют в себе зрительные, тактильные, вкусовые и др. характеристики. Для удобства исследования обычно разделяют процессы, связанные с восприятием и распознаванием оптических, акустических и иных свойств предметов. Термин "образ" чаще применяют в связи со зрительным и слуховым восприятием. Наиболее детально изучено распознавание зрительных образов.

Зрительно воспринимаемый животными и человеком окружающий мир - это трёхмерное пространство с объёмными объектами относительно постоянной формы и окраски, как правило несамосветящимися и заключёнными в прозрачную среду (воздух, воду). Вследствие подвижности как самих животных, так и нек-рых внешних объектов, каждому, даже неизменному предмету, соответствует множество различных его изображений на сетчатке глаза, являющихся плоскими проекциями предметов на поверхность её светочувствит. рецепторов. Важнейшая функция системы зрения - реконструкция трёхмерного мира на основе этих плоских изображений, что необходимо для организации активного поведения животных. Внешним проявлением работы механизмов, осуществляющих такую реконструкцию, служит константность восприятия человеком и животным размера, формы и цвета предметов. Не менее важная функция зрит. системы - классификация объектов в соответствии с их биол. значимостью для животного (то, что обычно понимается под узнаванием). В зависимости от вида животного и уровня организации его зрит. системы узнавание происходит различно: животные отличаются как по способности воспринимать определённые оптич. свойства объектов (видимая область спектра, цвет, поляризованность света), так и по степени сложности обработки зрит. информации. У низших животных уже в сетчатке имеются специализированные, т. н. детекторные нервные клетки, выделяющие биологически важные признаки объектов непосредственно из сетчатого изображения (напр., "детектор тёмного пятна" у лягушки). У высших животных большое значение имеют зрит. центры головного мозга, где тоже найдены специализированные нервные клетки с весьма сложными свойствами. Помимо врождённых механизмов Р. о., в работе зрит. системы, как и др. рецепторных систем, большое значение имеет индивидуальный опыт (научение) и одна из его своеобразных форм - запечатление.

Несмотря на огромное разнообразие животных и различия в аппаратах зрения, имеется много общего в способах обработки зрит. информации животными разных видов. Об этом свидетельствует, в частности, общность средств зрит. маскировки, привлечения и отпугивания, широко используемых в мире животных. Ряд особенностей восприятия и Р. о., лучше изученных для зрит. процесса, имеет общее значение. Так, решаемая слуховой системой задача стабильного восприятия (правильность узнавания) слуховых образов в переменных условиях аналогична задаче константного узнавания окраски. См. также статьи Восприятие, Зрение и лит. при них.

Лит.: Глезер В. Д. .Невская А. А., Опознавание зрительных образов, в сб.: Физиология сенсорных систем, ч. 1-физиология зрения, Л., 1971 (Руководство по физиологии); International joint conference on pattern recognition. Proceedings..., N. Y., 1973. А. А. Диментман, В. В. Максимов,

О. Ю. Орлов.