Методология распознавания объектов, сигналов, явлений, ситуаций, процессов и т. п. базируется на теоретических разработках и опыте практического построения систем распознавания образов. Распознавание, как процесс установления (опознавания, определения) сущности элементов окружающего мира, постоянно осуществляется человеком в процессе жизнедеятельности. Умение человека быстро узнавать окружающие его предметы, находить принадлежащую ему вещь из множества однотипных, достаточно быстро читать печатные или рукописные тексты, уверенно находить маршруты достижения необходимых пунктов в крупных городах и многое другое требует эффективного решения задач распознавания (стр. 4 )

Целью седьмой задачи является разработка алфавита классов системы распознавания. На основании целей, назначения распознающей системы, установленного принципа опознавания, информации об элементах среды – кандидатах на опознавание необходимо определить состав классов системы распознавания. Решение задач с седьмой по двенадцатую, как правило, имеет итерационный характер. Вначале состав классов распознающей системы формируют адекватно множеству возможных решений (стратегий поведения), совокупности свойств или свойству распознаваемых элементов и т. д., установленных принципом опознавания в качестве способа осуществления разбиения элементов среды на классы. То есть каждому элементу указанного множества соответственно назначается конкретный класс, имеющий собственное название, и формируется дополнительный класс, который может именоваться «Неопознанный элемент среды», «Не принимать никаких решений» и т. п., необходимый для логического завершения работы системы распознавания при опознавании неизвестных элементов среды на этапе ее функционирования. Сформированный указанным способом состав классов распознающей системы называют априорным составом или априорным алфавитом классов. В результате итераций, вызванных необходимостью нахождения приемлемого решения для совокупности задач с седьмой по двенадцатую, априорный алфавит классов трансформируется (путем сужения, расширения состава классов) в окончательный вариант разбиения множества элементов – кандидатов на опознавание на классы, который называют рабочий алфавит классов. В случае разработки системы распознавания с самообучением, вместо приведенного порядка разработки алфавита классов в алгоритм самообучения встраивается некоторый набор правил, позволяющий распознающей системе самостоятельно выработать алфавит классов и пользоваться им в дальнейшем.

Восьмой задачей является разработка состава признаков, характеризующих элементы – кандидаты на опознавание, их характеристик, то есть создание словаря признаков распознающей системы. При этом приходится найти ответы на вопросы: Какие входные данные об элементах – кандидатах на опознавание можно считать значимыми и как следует обработать исходные данные, чтобы получить информацию об отличительных и общих свойствах распознаваемых элементов среды, то есть, так называемых, «параметрах» или «признаках», позволяющих осуществить отнесение неизвестного элемента среды к определенному классу? Создание рабочего словаря признаков распознающей системы, аналогично предыдущей задаче – разработке рабочего алфавита классов, имеет итерационный характер. Вначале необходимо определить по возможности наиболее полный перечень признаков, в той или иной степени характеризующих распознаваемые элементы среды. Затем следует проанализировать полученный состав признаков на предмет возможности их использования для выполнения описания классов на языке признаков и возможности технической реализации получения информации о них в процессе функционирования распознающей системы. Отвечающие указанным требованиям признаки включаются в состав, так называемого, априорного словаря признаков. Разработанный таким образом априорный словарь признаков используется для предварительного описания классов на языке признаков и разработки алгоритмов распознавания. Затем на основании реально располагаемых ресурсов оценивается возможность технической реализации получения информации о всех признаках априорного словаря на этапе функционирования системы распознавания. Если такая возможность существует, то состав априорного словаря автоматически трансформируется в рабочий словарь признаков. Иначе, с учетом информативности каждого признака и величин ограниченных располагаемых ресурсов на техническую реализацию получения информации о признаках распознаваемых элементов среды, а также критериев эффективности функционирования системы распознавания, циклически осуществляется сужение состава априорного словаря признаков (т. е. трансформация его в рабочий словарь признаков) с изменением описания классов на языке признаков, алгоритмов распознавания, а при необходимости и сужедие алфавита классов распознающей системы, до тех пор, пока не будет получен желаемый компромисс.

Все признаки, включенные в словарь признаков, можно подразделить на детерминированные, логические, вероятностные и структурные [3].

Детерминированные признаки – это признаки, характеризующиеся принимаемыми дискретными значениями на числовых осях в количественных шкалах измерения. Например, к ним относятся признаки, характеризующие весо-габаритные параметры элементов среды. Например, масса, вес, длина, ширина, высота и т. п., измеренные в шкале отношений. Если исследуемый элемент среды можно описать набором k детерминированных признаков, то можно задать k-мерное векторное пространство, каждая координата которого отражает числовое значение одного из признаков, – признаковое пространство, в котором элемент среды можно отобразить в виде точки.

Логические признаки представляют собой оценки установленных фактов относительно идентифицируемых свойств распознаваемых элементов среды. Они могут принимать два значения истинности: вида «да» («истина»), которому, например, соответствует значение числа единица, если идентифицируемый признаком факт установлен, и вида «нет» («ложь»), которому может соответствовать значение числа нуль, если идентифицируемый признаком факт не установлен. К логическим относятся признаки, характеризующие качественные свойства распознаваемых элементов среды, а также признаки, характеризующие не количественные значения идентифицируемых свойств распознаваемых элементов среды, а лишь факт их принадлежности к определенному заданному интервалу. При этом, появление различных количественных значений идентифицируемых свойств распознаваемых элементов среды в установленных интервалах, считается равновероятным. К первому типу логических признаков, характеризующих, например, проблемные ситуации, требующие распознавания, в системе внутрисменного управления гибким автоматизированным механообрабатывающим производством, можно отнести:

А – отсутствие материала (заготовок) для изготовления запланированной сменным заданием партии

деталей,

В – необеспеченность запланированной сменным заданием работы вспомагательными ресурсами

(инструментом, оснасткой и т. п.), С – наличие указания мастера о снятии работы с рабочего

места и т. п.

Ко второму типу логических признаков, характеризующих указанные выше проблемные ситуации, можно отнести:

К – уменьшение фонда времени рабочего места, задействованного в выполнении сменного задания,

на величину, превышающую допустимую,

X – снижение производительности рабочего места

ниже допустимой и т. п.

Вероятностные признаки – это признаки, имеющие по тем или иным причинам стохастический (случайный) характер. Случайные значения вероятностных признаков распределены по всем классам рабочего (априорного) алфавита классов распознающей системы. Ошибки измерений числовых значений признаков распознаваемых элементов среды могут приводить к неопределенности результатов измерения и, как следствие этого, приходится иметь дело с вероятностными признаками. Вероятностный характер признаков может так же обуславливаться нестационарностью объектов распознавания, например, по причине случайных изменений, происходящих в объектах распознавания.

Структурные признаки, называемые так же лингвистическими, синтаксическими, представляют собой непроизводные элементы (символы) структуры объекта, конгломераты непроизводных элементов и их отношения. Описание образов распознаваемых элементов среды можно осуществить на некотором «языке непроизводных элементов и их отношений». Правила составления образов на этом языке называют грамматикой. Существует множество различных типов грамматик, применяемых для описания структуры образов распознаваемых элементов среды. При этом, распознаваемый элемент среды представляется в виде совокупности символов принятой грамматики, т. е. предложения. На этапе функционирования системы распознавания по составленному предложению распознаваемого образа устанавливается его принадлежность к образам, задаваемым соответствующей грамматикой. Структурные признаки применяют при распознавании символов, идентификации отпечатков пальцев, обнаружении дефектов деталей, узлов машин и механизмов и т. д.

В девятой задаче выполняется описание классов на языке признаков. Суть этой задачи состоит в нахождении решающих границ, позволяющих выделить в признаковом пространстве области однозначно соответствующие классам, включенным в алфавит классов распознающей системы. Геометрическая трактовка этой задачи выглядит следующим образом [3]. Отобразим исследуемые элементы среды в виде точек k-мерного векторного пространства, образованного на основе k признаков, включенных в словарь признаков распознающей системы, т. е. в виде точек признакового пространства. Пусть выполнено в разбиение совокупности распознаваемых элементов среды на классы. Требуется в признаковом пространстве выделить такие области которые были бы эквивалентны классам То есть, чтобы имела место следующая зависимость: если исследуемый элемент среды, имеющий признаки относится к классу, то отображающая его в признаковом пространстве точка принадлежит области Дi. Имеется и алгебраическая трактовка данной задачи. В k-мерном признаковом пространстве необходимо найти разделяющие функции каждая из которых для признаков соответствующих элементов среды, относящихся к определенному классу имела бы наибольшее значение.

Если через обозначить вектор признаков элемента среды, относящегося к классу, то для всех возможных значений вектора справедливо:

Следовательно, в признаковом пространстве распознающей системы граница разбиений, называемая решающей границей между областями Д;, соответствующих классам, выражается уравнением:

Пример разбиения двумерного признакового пространства на области, соответствующие классам приведен на рис. 11.5 (стр. 262).

Рис. 11.5. Схема разбиения двумерного признакового пространства на области

Для решения задачи описания классов на языке признаков в зависимости от уровня полноты исходной информации можно использовать методы непосредственной обработки исходных данных в условиях полной определенности, обучения или самообучения в условиях неопределенности.