Tics

Reconocimiento de Patrones
Jesús Ariel Carrasco Ochoa Instituto Nacional de Astrofísica Óptica y Electrónica ariel@inaoep.mx

Contenido
• • • • • • • Introducción Enfoques Problemas Selección de Variables Clasificación no Supervisada Clasificación Supervisada Aplicaciones

1

¿ Que es Reconocimiento de Patrones ?
• Son los medios por los cuales se puede interpretar el mundo. • Es laciencia que se ocupa de los procesos sobre ingeniería, computación y matemáticas relacionados con objetos físicos y/o abstractos, con el propósito de extraer información que permita establecer propiedades de o entre conjuntos de dichos objetos.

Enfoques de Reconocimiento de Patrones
• Reconocimiento Estadístico de Patrones.- Este enfoque se basa en la teoría de probabilidad y estadística y suponeque se tiene un conjunto de medidas numéricas con distribuciones de probabilidad conocidas y a partir de ellas se hace el reconocimiento. • Reconocimiento Sintáctico de Patrones.- Este enfoque se basa en encontrar las relaciones estructurales que guardan los objetos de estudio, utilizando la teoría de lenguajes formales. El objetivo es construir una gramática que describa la estructura deluniverso de objetos.

2

Enfoques de Reconocimiento de Patrones
• Redes Neuronales.- Este enfoque supone que tiene una estructura de neuronas interconectadas que se estimulan unas a otras, las cuales pueden ser “entrenadas” para dar una cierta respuesta cuando se le presentan determinados valores. • Reconocimiento Lógico Combinatorio de Patrones.- Este enfoque se basa en la idea de que lamodelación del problema debe ser lo más cercana posible a la realidad del mismo, sin hacer suposiciones que no estén fundamentadas. Uno de los aspectos esenciales del enfoque es que las características utilizadas para describir a los objetos de estudio deben ser tratadas cuidadosamente.

Problemas de Reconocimiento de Patrones
• Selección de variables.- Consiste en determinar cual es el conjunto decaracterísticas más adecuado para describir a los objetos. • Clasificación Supervisada.- Consiste en clasificar nuevos objetos basándose en la información de una muestra ya clasificada. • Clasificación no supervisada.- Consiste en dada una muestra no clasificada encontrar la clasificación de la misma.

3

Enfoques y Problemas de Reconocimiento de Patrones
Reconocimiento de PatronesEstadístico

Sintáctico

Lógico Combinatorio

Redes Neuronales

Clasificación

Selección de Variables

Supervisada

No Supervisada

Selección de Variables
• Para la Clasificación.- La selección de características relevantes, a partir del conjunto total de características que describen a los objetos, se hace con dos motivos fundamentales: mejorar la clasificación y/o aumentar la velocidad deprocesamiento. • Para la Representación.- Decidir cuáles características representan mejor a cierto tipo de objetos.

4

Estrategias de Selección de Variables

• wrapper.- La selección de características se hace usando información del mecanismo de clasificación. • filter.- La selección se hace con un criterio independiente del clasificador.

Métodos de Selección de Variables
• Tablas deDesición.- Se busca un subconjunto mínimo de variables que no introduzca confusión entre clases. • ID3.- Se crea un árbol de desición y se selecciona un conjunto de variables que permita discriminar entre clases. • Teoría de Testores.- Se buscan todos los subconjuntos de variables discriminantes minimales, con estos se evalúa la relevancia de cada variable y se seleccionan aquellas con mayorrelevancia.

5

Tipos de Selección de Variables
Selección de Variables

Para Representación

Para Clasificación

Filter

Wrapper

Tablas de Decisión

ID3

Teoría de Testores

Clasificación No Supervisada
Dada una muestra de objetos no clasificados, obtener la estructuración en clases de dicha muestra. • Restringida.- El número de clases en la que se estructurará la muestra...