بازشناخت الگو

تشخیص الگو شاخه ای از مبحث یادگیری ماشینی است. می توان گفت تشخیص الگو، دریافت داده های خام و تصمیم گیری بر اساس دسته بندی داده ها است. بیشتر تحقیقات در زمینه تشخیص الگو در رابطه با «یادگیری نظارت شده» یا «یادگیری بدون نظارت» است. روش های تشخیص الگو، الگوهای مورد نظر را از یک مجموعه داده ها با استفاده از دانش قبلی در مورد الگوها یا اطلاعات آماری داده ها، جداسازی می کند. الگوهایی که با این روش دسته بندی می شوند، گروه هایی از اندازه گیری ها یا مشاهدات هستند که نقاط معینی را در یک فضای چند بعدی تشکیل می دهند. این ویژگی اختلاف عمده تشخیص الگو با تطبیق الگو است، که در آنجا الگوها با استفاده از موارد کاملاً دقیق و معین و بر اساس یک الگوی مشخص، تشخیص داده می شوند. تشخیص الگو وتطبیق الگو از بخش های اصلی مبحث پردازش تصویر به خصوص در زمینه بینایی ماشین هستند.نبو
نیاز به سیستم های اطلاعاتی بهبود یافته بیشتر از قبل مورد توجه قرار گرفته است چرا که اطلاعات عنصری اساسی در تصمیم سازی است و جهان در حال افزایش دادن مقدار اطلاعات در فرم های مختلف با درجه هایی از پیچیدگی است. یکی از مسائل اصلی در طراحی سیستم های اطلاعاتی مدرن، تشخیص الگو به طور اتوماتیک است. تشخیص به عنوان یک صفت اصلی انسان بودن است. یک الگو، توصیفی از یک شیء است. یک انسان دارای یک سیستم اطلاعاتی سطح بالاست که یک دلیل آن داشتن قابلیت تشخیص الگوی پیشرفته است. بر طبق طبیعت الگوهای مورد تشخیص، عملیات تشخیص در دو گونهٔ اصلی تقسیم می شوند.
این ممکن است به عنوان تشخیص سنسوری معرفی شود که تشخیص الگوهای سمعی و بصری را دربر می گیرد.
این فرایند تشخیص، شناسایی و دسته بندی الگوهای فضایی و الگوهای زمانی را در بر می گیرد. مثال هایی از الگوهای فضایی کارکترها، اثر انگشت ها، اشیاء فیزیکی و تصاویر هستند. الگوهای زمانی شامل فرم های موجی گفتار، سری های زمانی و… هستند.