Pengenalan pola

1
Pengenalan pola
Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan sebagai "tindakan mengambil
data mentah dan bertindak berdasarkan klasifikasi data"
[1]

[2]
. Dengan demikian, ia merupakan himpunan kaidah
bagi pembelajaran diselia (supervised learning).
Ada beberapa definisi lain tentang pengenalan pola, di antaranya:
Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori.
[3]
Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klasifikasi (pengenalan) dari suatu pengukuran.
[4]
Suatu pengenalan secara otomatis suatu bentuk, sifat, keadaan, kondisi, susunan tanpa keikutsertaan manusia
secara aktif dalam proses pemutusan.
[5]
Berdasar beberapa definisi di atas, pengenalan pola bisa didefinisikan sebagai cabang kecerdasan yang
menitik-beratkan pada metode pengklasifikasian objek ke dalam klas - klas tertentu untuk menyelesaikan masalah
tertentu.
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 (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 (neural networks), pemilihan ciri-ciri dan pengambilan juga boleh dilaksanakan secara semi
otomatis atau otomatis sepenuhnya.
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 (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 neighbour algorithm) biasanya belumlah
menghasilkan kepercayaan atau class probabilities, sebelum diterapkannya post-processing.
Masalah kedua adalah untuk menganggap masalah sebagai anggaran, dimana matlamat adalah untuk menganggar
fungsi bagi bentuk
dimana input vektor ciri adalah , dan fungsi f biasanya diparameter oleh sebagian parameter . Dalam
pendekatan statistik Bayesian bagi masalah ini, berlainan dengan memilih satu vektor parameter , hasil dibentuk
bagi kesemua thetas yang mungkin, dengan turutan berat bagi ketepatan berdasarkan data latihan D:
Masalah ketiga terkait dengan masalah kedua, tetapi masalahnya adalah untuk menganggar kebangkalian bersyarat
(conditional probability) dan kemudian menggunakan aturan Bayes untuk menghasilkan kemungkinan
kelas sebagaimana dalam masalah kedua.
Contoh algoritma klasifikasi termasuk:
Klasifikasi linear
Pengenalan pola
2
Diskriminan linier Fisher
Regresi Logistik
Naive Bayes classifier
Perceptron
Metode Nearest neighbor
Boosting
Decision tree
Jaringan Saraf Tiruan
Jaringan Bayesian
Mesin sokongan vektor (Support vector machine)
Model Markov Tersembunyi (Hidden Markov model)
Domain Aplikasi
komputer visi
pengenalan karakter medis (Medical image analysis)]]
Pengenalan karakter optis
Pengenalan suara (speech recognition)
Pengenalan tulisan tangan (handwritten recognition)
Identifikasi biometrik
klasifikasi dokuman
Internet
Credit scoring
Rujukan
[1] Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.
[2] J. Schuermann: Pattern Classification: A Unified View of Statistical and Neural Approaches, Wiley&Sons, 1996, ISBN 0-471-13534-8
[3] [3] IJCSNS, 2006, ISSN 1738-7906)
[4] [4] IJCSNS, 2006, ISSN 1738-7906
[5] [5] McGraw-Hill Dictionary of Scientific and Technical Terms (2003)
Sumber dan Kontributor Artikel
3
Sumber dan Kontributor Artikel
Pengenalan pola Sumber: http://id.wikipedia.org/w/index.php?oldid=6621399 Kontributor: Ali Akbar, Dykeey, Jagawana, Mssetiadi, Roscoe x, Wic2020, Yosri, 1, 2 suntingan anonim
Lisensi
Creative Commons Attribution-Share Alike 3.0
//creativecommons.org/licenses/by-sa/3.0/