Reconocimiento de Patrones

Introduccin
Reconocimiento de Patrones
Tiene
como finalidad el descubrimiento automtico de
regularidades en datos
mediante el uso de algoritmos
computacionales, a partir de las cuales poder tomar acciones
como clasificar datos en diferentes categoras.
Acto de tomar datos crudos y ejecutar una accin basada en la
categora del patrn

Patrn: Modelo: RAE 9 Modelo que sirve de muestra para sacar otra
cosa igual.

Reconocimiento de Patrones
Introduccin

La facilidad con que los humanos reconocen un rostro, entienden las

palabras, leen, identifican con el tacto objetos, y deciden si una bebida
est dulce, contradice la complejidad del proceso subyacente del acto
de reconocimiento de patrones

El R.P. ha sido crucial en la supervivencia de la especie humana y ha

evolucionado en los pasados decenas de millones de aos hasta llegar
a un sistema neuronal y cognitivo altamente sofisticado y efectivo
para este tipo de tareas.

Introduccin
Problemtica: Un objeto no tiene una
nica descripcin

Ejemplo: Cmo es un oso panda?

Se puede obtener descripciones con

muchos niveles de detalle y desde
muchos puntos de vista.

Es imposible
completamente.

describir

un

objeto

Solucin: la descripcin utilizada debe:

hacerse en funcin de la tarea.

orientarse para permitir la toma de
decisin adecuada

Varias Interpretaciones
de un objeto?

Reconocimiento de Patrones: Introduccin

Patrn
El concepto de patrn es universal en la teora de inteligencia y
descubrimiento.
Los patrones son los medios a travs de los cuales se puede interpretar
el mundo.
Un patrn es esencialmente un arreglo o un ordenamiento con el cual
puede decirse que existe alguna organizacin de estructura
subyacente.
Watanabe [1985] define un patrn como una entidad, vagamente
definida, que puede drsele un nombre.
Se involucra el principio de incertidumbre.

Reconocimiento de Patrones: Introduccin

Patrn
Un patrn puede referenciarse como una descripcin estructural o
cuantitativa de un objeto o algn otro tem de inters.
Los patrones tienen manifestaciones fsicas y abstractas.
Un patrn puede representarse por un vector compuesto de medidas
de un estmulo o atributos derivados de las medidas y sus relaciones.
Los atributos pueden ser valores discretos, entidades booleanas,
etiquetas sintcticas, o valores analgicos.
Una clase de patrones es un conjunto de patrones que comparten
algunas propiedades comunes.
La clase es solamente uno de los atributos que se pueden (o no
pueden) determinar dependiendo de la naturaleza del problema.

Reconocimiento de Patrones: Introduccin

Reconocimiento vs. Clasificacin

Aprendizaje.
Proceso anti-entrpico que acumula y concentra experiencias en
modificaciones internas de un sistema.
Los humanos aprenden por acumulacin de reglas en varias
formas tales como asociaciones, tablas, desigualdades,
ecuaciones, relaciones, estructuras de datos, implicaciones
lgicas, entre otras.
Determinacin de reglas de asociacin entre las caractersticas y
los atributos de los patrones.

Reconocimiento de Patrones: Introduccin

Reconocimiento vs. Clasificacin

Razonamiento.
Es
un proceso de aplicar reglas generales, ecuaciones,
relaciones,... a una coleccin inicial de datos, hechos,... para
deducir un resultado o decisin.

Reconocimiento.
Es el proceso de determinar que un objeto de una poblacin P
pertenece a una subpoblacin conocida S.

Reconocimiento de Patrones: Introduccin

Reconocimiento vs. Clasificacin

Clasificacin. Es una forma de aprendizaje que permite inducir las

clases a partir de antecedentes de atributos.
Reconocimiento forma de razonamiento
Clasificacin forma de aprendizaje

Reconocimiento de Patrones: Introduccin

Reconocimiento vs. Clasificacin

Proceso de Reconocimiento de Patrones

Involucra el desarrollo o creacin de una regla de decisin (o
clasificador) y la utilizacin de esta misma regla.
El reconocimiento se efecta cuando se utiliza la regla.
El patrn se define con base en un proceso de aprendizaje a
partir de muestras de patrones.
Involucra el particionamiento o asignacin de medidas, estmulos
o patrones de entrada en categoras significativas.

Reconocimiento de Patrones: Introduccin

Reconocimiento vs. Clasificacin

Proceso de Clasificacin de Patrones

Involucra
el aprendizaje de diferencias y similitudes entre
patrones (patrn=abstraccin de instancias de objetos) de una
poblacin de objetos no idnticos.
Comienza con la definicin de las clases objeto de estudio y la
representacin adecuada de la muestra controlada de cada una de
ellas.
Termina con una regla de decisin con la cual se puede asignar
un nuevo patrn no controlado a aquella clase para la que se
estime un menor riesgo en la asignacin.

Reconocimiento de Patrones: Introduccin

Reconocimiento Matemtico de Patrones

Conjunto de algoritmos presentado en forma muy especfica que se
utiliza para resolver un tipo muy particular de problemas.
El xito depende de la formulacin del problema y de la comprensin
de las hiptesis que se consideran en su descripcin.
Se precisa un gran cuidado en la preparacin y anlisis de los
datos, as como en la seleccin e implantacin de los mtodos
apropiados:
Rpidos estudios de viabilidad pueden producir rpidos fracasos.

Reconocimiento de Patrones: Introduccin

Campos de Aplicacin
Reconocimiento de caracteres, imgenes y seales
Clasificacin de huellas dactilares, reconocimiento de voz y locutores
Identificacin de recursos naturales
Control de calidad
Aplicaciones en investigacin de operaciones, macroeconoma y
mercados
Identificacin de sismos y aplicaciones meteorolgicas
Aplicaciones biomdicas (consulta y/ diagnstico) y robtica
Aplicaciones para seleccin y evaluacin de personal

Reconocimiento de Patrones: Introduccin

Reconocimiento de Patrones: Introduccin

Proceso de Reconocimiento de Patrones

Extractor de caractersticas. El extractor de caractersticas, T,

transforma el vector de medidas m en un vector de caractersticas
x=(x1,,xN)= T(m).

Reconocedor de patrones. Recibe el vector de caractersticas x como

entrada y lo procesa para producir como salida un identificador nico
(nombre, nmero, cdigo, vector, cadena,, estructura de datos)
asociado con la clase a la cual el objeto pertenece.

Fases fundamentales en el reconocimiento de patrones

La obtencin de la regla de decisin (diseo del clasificador) y
La utilizacin de la regla.

Reconocimiento de Patrones: Introduccin

Fases fundamentales en el reconocimiento de patrones

La obtencin de la regla de decisin (diseo del clasificador) y
La utilizacin de la regla.
Reconocedor Esttico/Adaptativo

Reconocedor esttico o fijo.

Reconocedor adaptativo.

Reconocimiento de Patrones: Introduccin

Reconocedor Esttico: el clasificador no sufre ninguna modificacin

despus de clasificar los patrones de clase desconocida.

Reconocimiento de Patrones: Introduccin

Reconocedor Adaptativo. El clasificador se modifica cada vez que se

utiliza y se detecta un error en su resultado

Reconocimiento de Patrones: Introduccin

Cundo aplicar Tcnicas de Reconocimiento de Patrones?

Sistemas en el que, conociendo una muestra controlada de cada clase,
se desee asignar a una de ellas un nuevo dato cuya clase de
pertenencia se desconoce.
Evitar.
Muestras controladas de patrones muy pequeas;
Seleccin incorrecta de las caractersticas discriminantes;
Clases muy poco discriminadas.

Reconocimiento de Patrones: Introduccin

Proceso de Reconocimiento de Patrones

Definicin de la poblacin
Sensado, medida y preproceso
Extractor de caractersticas
Reconocedor de patrones

Reconocimiento de Patrones: Introduccin

Fases en el Diseo de un Clasificador

Estudio del sistema fsico de donde deben generarse los patrones a

clasificar.
Elaboracin de mediciones y aplicacin de tcnicas de Seleccin de
Caractersticas (combinacin y reduccin de caractersticas) para
derivar las caractersticas ms representativas y posiblemente menor
dimensionalidad.

Reconocimiento de Patrones: Introduccin

Fases en el Diseo de un Clasificador

Aplicacin de tcnicas de anlisis de agrupamiento (clustering),

para encontrar las clases naturales en que se agrupan los patrones
en caso que las muestras de patrones obtenidas en el espacio fsico
no sean controladas.
Diseo del clasificador con base en las muestras controladas de cada
clase y considerando nicamente las caractersticas ms
discriminantes del patrn.

Reconocimiento de Patrones: Introduccin

Fases en el Diseo de un Clasificador

Sistema Fsico

Espacio de
Medidas

Espacio de
Patrones
Controlados

Espacio de
Patrones

Seleccin de
Caractersticas

Clustering

Clasificador

Diseo del
Clasificador

Reconocimiento de Patrones: Introduccin

Reconocimiento de Patrones: Introduccin

Clasificacin de los Mtodos de Diseo de Clasificadores

Estructura Probabilstica No Conocida Parcialmente

Mtodos Supervisados. En estos mtodos se dispone de una
muestra controlada de cada clase. Se conoce la probabilidad a
priori P(wi); aunque si se desconoce, se puede estimar con base
en la muestra controlada.
Se dividen en
Mtodos Paramtricos.
Mtodos No Paramtricos.

Reconocimiento de Patrones: Introduccin

Reconocimiento de Patrones: Introduccin

Reconocimiento de Patrones: Introduccin

Estructura Probabilstica No Conocida Parcialmente

Mtodos Supervisados...
Mtodos Directos. Estiman directamente la probabilidad a
posteriori P(wi| X) de que un patrn pertenezca a una clase.
Buscan obtener las correspondientes funciones discriminantes,
prescindiendo de la distribucin condicional P(X|wi).
Mtodos comnes: Mtodo de la distancia mnima (NearestNeighbour rule), mtodo del incremento fijo (fixed
increment procedure) y mtodo del gradiente.
Mtodos que convergen muy lentamente en problemas que
no tienen gran separacin lineal en las clases, ofrecen una
solucin buena pero sin garantizar su optimalidad.

Reconocimiento de Patrones: Introduccin

Estructura Probabilstica No Conocida Parcialmente

Mtodos Supervisados...

Anlisis Discriminante. Parte de las mismas hiptesis de los

mtodos directos, pero presenta la ventaja de que durante la
creacin de las funciones discriminantes lineales o cuadrticas,
se optimiza un determinado criterio impuesto por el usuario.

Anlisis Secuencial. Variante de los mtodos paramtricos y

no-paramtricos, analiza una a una las caractersticas del patrn,
de tal forma que el nmero medio de caractersticas analizadas
que se precisan para la asignacin del patrn es inferior a la de
los mtodos anteriores.

Reconocimiento de Patrones: Introduccin

Reconocimiento de Patrones: Introduccin

Estructura Probabilstica No Conocida Parcialmente

Observaciones
La divisin entre seleccin de caractersticas, Anlisis Cluster, y
Diseo de Clasificadores no es rgida.
Por ejemplo, el diseo de un clasificador puede entenderse
como la transformacin unidimensional de las caractersticas
en principio contempladas.
Todos los mtodos de diseo de Clasificadores tienen la misma
finalidad y su aplicacin no es nica en el sentido de que en un
mismo problema se utilizan muy frecuentemente varios tipos de
mtodos.

Reconocimiento de Patrones: Introduccin

Taxonoma de Mtodos de Reconocimiento de Patrones

Mtodos Tericos de Decisin

Mtodos Estadsticos de Reconocimiento de Patrones
Mtodos paramtricos y no paramtricos
Estimacin bayesiana
Grafos-Tericos
Mtodos Basados en Reglas
Reglas lgicas binarias
Reglas lgicas fuzzy

Reconocimiento de Patrones: Introduccin

Taxonoma de Mtodos de Reconocimiento de Patrones

Mtodos Estructurales/Sintcticos
Autmatas
Determinsticos
Estocsticos
Redes Neuronales Hopfield Recurrentes
Mapas Asociativos Bidireccionales

Reconocimiento de Patrones: Introduccin

Taxonoma de Mtodos de Reconocimiento de Patrones

Mapeo Asociativo (Mapeo fuzzy y neuronal)

RN Feedforward
Perceptrn multicapa
Functional links nets
Radial basis function networks

Reconocimiento de Patrones: Introduccin

Taxonoma de Mtodos de Reconocimiento de Patrones

Mapeo Asociativo (Mapeo fuzzy y neuronal)

Redes Auto-organizativas (self-organizing networks)
Mapas de caractersticas autoorganizativos
Agrupamiento Fuzzy (Fuzzy c-mean clustering algorithms)
Mapas fuzzy auto-organizativos
Teora de resonancia adaptativa ("ART- no supervisado")

Reconocimiento de Patrones: Introduccin

Taxonoma de Mtodos de Reconocimiento de Patrones

Mapeo Asociativo (Mapeo fuzzy y neuronal)

Redes Hbridas
Learning vector quantization networks (algoritmo K-means,
Modelo Kohonen)
Redes neuronales probabilsticas
Mapas fuzzy asociativos
Fuzzy learning vector quantization networks
Algoritmos Genticos