Любой объект можно представить в виде точки в некотором пространстве признаков. Если возможно однозначно отнести объекты к одному из образов, то в пространстве признаков существуют области, не имеющие общих точек, а объекты – точки из этих областей.
Если пространство признаков формируется исходя из задуманной классификации, то можно надеяться, что заданное пространство признаков само по себе задает свойство, под действием которого образы в этом пространстве легко разделяются.
Гипотеза компактности: образам соответствуют компактные множества в пространстве признаков.
Однако эту гипотезу не всегда удавалось подтвердить экспериментально. Поэтому гипотеза компактности превратилась в признак возможности удовлетворительного решения задач распознавания.
Геометрический подход.
Целью реализации подхода является построении поверхности, которая разделяла бы образы в пространстве признаков. Если образы компактны, то они не имеют общих точек, и всегда существует целое множество разделяющих их функций.
Структурный (лингвистический) подход.
Выделяется набор исходных понятий – типичные фрагменты и характеристики взаимного расположения фрагментов. Эти исходные понятия образуют словарь, позволяющий строить различные логические высказывания. Задача состоит в том, чтобы отобрать наиболее существенные высказывания для данного случая. Далее, просматривая конечное и, по возможности, небольшое число объектов из каждого образа, нужно построить описание этих образов. Построенные описания должны быть столь полными, чтобы решить вопрос о том, к какому образу принадлежит данный объект.
Таким образом, при реализации этого подхода возникают две задачи: задача построения исходного словаря и задача построения правил описания из элементов заданного словаря.
Обучение – процесс выработки в некоторой системе той или иной реакции на группы внешних идентичных сигналов путем многократного воздействия на систему внешней корректировки. Механизм генерации этой корректировки определяет алгоритм обучения.
При самообучении дополнительная информация о верности реакции системе не сообщается.
Алгоритмы, соответствующие обучению и самообучению, классифицируются как алгоритмы обучения с учителем и без учителя.
В первом случае существует «учитель», который предъявляет входные объекты системе, сравнивает ее ответы (выходы) с требуемыми, а затем настраивает систему таким образом, чтобы уменьшить различия.
Во втором случае системе предъявляются объекты без каких-либо указаний об их принадлежности к образам. Система, используя некоторое заложенное в нее заранее свойство разделимости образов, производит самостоятельную классификацию этих объектов. Роль учителя при этом состоит лишь в подсказке системе некоторого объективного свойства, одинакового для всех образов и определяющего способность к разделению множества объектов на образы. Таким объективным свойством является свойство компактности образов. Взаимное расположение точек в выбранном пространстве уже содержит информацию о том, как следует разделить множество точек. Эта информация и определяет то свойство разделимости образов, которое оказывается достаточным для самообучения системы распознаванию образов.