Mustererkennung

Die Mustererkennung ist ein Teilgebiet der Informatik und bezeichnet das maschinelle Erkennen und Auswerten von Mustern in Signalen. Die Anwendung der Mustererkennung reicht von der automatischen Klassifizierung kontinuierlicher Signale in diskrete Klassen bis zu komplexen Analysen. Die Mustererkennung wird als Verfahren der künstlichen Intelligenz eingesetzt, um die Fähigkeiten der menschlichen Wahrnehmung nachzubilden.

Beispiele für die Anwendung von Mustererkennung sind Spracherkennung und Optische Zeichenerkennung, Biometrie (Gesichtserkennung, Fingerabdrücke...) und Bilderkennung. Auch lassen sich beispielsweise Muster in Spam-mails erkennen, um diese auszufiltern. Mustererkennung in Datenbanken wird auch als Datenanalyse oder Data-Mining bezeichnet.

Siehe auch: Signalverarbeitung, Meßtechnik, Bildverarbeitung, Computer Vision, Spracherkennung

Methodik

Methodisch unterscheidet man

• Syntaktische (oder strukturelle) Mustererkennung, wo es darum geht, (i.d.R. probabilistische) Grammatiken für formale Sprachen zu finden, die bestimmte Klassen von Objekten beschreiben.
• Statististische Mustererkennung verwendet Methoden aus der Statistik und dem maschinellen Lernen zur Charakterisierung von Objektklassen.

• Statistische Methoden:
  • Regressionsanalyse (Lineare Regression und Nichtlineare Regression)
  • Varianzanalyse und Diskriminanzanalyse
  • Clusteranalyse
  • Künstliche Neuronale Netze

Vorverarbeitung

In der Regel muss ein zu bearbeitendes Signal zunächst Vorverarbeitet werden, um darin besser Muster erkennen zu können. Dies geschieht unter anderem durch Signalmittelung, Anwendung eines Schwellwertes und Normierung.

Literatur

• Richard O. Duda, Peter E. Hart, David G. Stork: Pattern classification, Wiley, New York, 2001, ISBN 0471056693
• K. Fukunaga: Statistical Pattern Recognition, Academic Press, 1991

Weblinks

• http://www.dagm.de/ - Deutsche Arbeitsgemeinschaft für Mustererkennung