Pengenalan pola: Perbedaan antara revisi
Konten dihapus Konten ditambahkan
k bot Menambah: ko:패턴 인식 |
Tidak ada ringkasan suntingan Tag: Suntingan perangkat seluler Suntingan peramban seluler |
||
(37 revisi perantara oleh 19 pengguna tidak ditampilkan) | |||
Baris 1:
'''Pengenalan pola''' (dalam bahasa Inggris: ''pattern recognition'') merupakan bidang dalam [[
<br />
Ada beberapa definisi lain tentang pengenalan pola, di antaranya:
* Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori.<ref>IJCSNS, 2006, ISSN 1738-7906)</ref>
* Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klasifikasi (pengenalan) dari suatu pengukuran.<ref>IJCSNS, 2006, ISSN 1738-7906</ref>
* Suatu pengenalan secara otomatis suatu bentuk, sifat, keadaan, kondisi, susunan tanpa keikutsertaan manusia secara aktif dalam proses pemutusan.
<ref>McGraw-Hill Dictionary of Scientific and Technical Terms (2003)</ref>
<br />
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.<br />
mencari/menemukan pola/kesamaan antar masalah maupun dalam masalah tersebut.
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▼
▲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==▼
▲== 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. ▼
▲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.
Pengenalan pola itu sendiri khususnya berkaitan dengan langkah pengkelasan. Dalam kasus tertentu, sebagaimana dalam [[jaringan syaraf|jaringan syaraf (''neural networks]]''), pemilihan ciri-ciri dan pengambilan juga boleh dilaksanakan secara semi otomatis atau otomatis sepenuhnya.▼
▲Pengenalan pola itu sendiri khususnya berkaitan dengan langkah pengkelasan. Dalam kasus tertentu, sebagaimana dalam [[jaringan
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. [[
Masalah kedua adalah untuk menganggap masalah sebagai anggaran, dimana matlamat adalah untuk menganggar fungsi bagi bentuk
:<math>P({\rm class}|{\vec x}) = f\left(\vec x;\vec \theta\right)</math>
dimana input vektor ciri adalah <math>\vec x</math>, dan fungsi
:<math>P({\rm class}|{\vec x}) = \int f\left(\vec x;\vec \theta\right)P(\vec \theta|D) d\vec \theta</math>
Masalah ketiga terkait dengan masalah kedua, tetapi masalahnya adalah untuk menganggar kebangkalian bersyarat (''conditional probability'') <math>P(\vec x|{\rm class})</math> dan kemudian menggunakan [[aturan Bayes]] untuk menghasilkan kemungkinan kelas sebagaimana dalam masalah kedua.
Contoh
* [[Klasifikasi linear]]
** [[Diskriminan linier Fisher]]
Baris 34 ⟶ 44:
* [[Model Markov tersembunyi|Model Markov Tersembunyi (''Hidden Markov model'')]]
== Domain Aplikasi ==
* [[komputer visi]]
** [[pengenalan karakter medis]] (''Medical image analysis'')]]
Baris 45 ⟶ 55:
* Credit scoring
== Lihat
* [[Pembelajaran mesin]]
* [[Statistika]]
* [[Kecerdasan buatan|Kecerdasan buatan (''Artificial intelligence'')]]
* [[Sistem
*
== Rujukan ==
{{reflist}}
[[Kategori:Statistika]]▼
▲[[Kategori:Statistika]]
|