2019년 5월 7일
패턴인식
I. 사물 인식 기술, 패턴인식
- 문자, 물체 등을 인식하기 위해 표준 패턴과 입력 패턴 비교 기반 사물 식별 및 클래스 구분 기술
II. 패턴인식 시스템 처리 단계
가. 패턴인식 시스템 처리 단계
 |
나. 패턴인식 시스템 처리 단계 별 기술 요소
| 처리 단계 | 기술 요소 | 설명 |
|---|---|---|
| 수집 /전처리 | – 표본화, 정규화 – Noise 제거 | – 실세계 사물, Data 센싱 – Normalization, Sampling |
| 특징 추출 | – 분류, 회귀 – 클러스터링 | – 지도/비지도 학습 기반 – KNN, SVM, DBSCAN |
| 모델 선택 | – 교차 검증 – Bootstrap | – K-fold Cross Validation – Bagging, Boosting, 앙상블 |
| 인식 단계 | – 클래스 분류 – 혼동 행렬 | – ROC Curve, AUC, FP Rate – Euclidean, Youden Index |
- 패턴인식 시스템의 인식 기술 고도화로 다양한 정보시스템에 활용
III. 패턴인식 접근법
| 접근법 | 적용 기술 | 설명 |
|---|---|---|
| 통계적 접근법 | – 확률밀도 함수 – 베이즈결정규칙 | – 패턴집합 통계적 생성 – 결정경계 기반 클래스결정 |
| 신경망 접근법 | – CNN, SVM – KNN, DBSCAN | – 입력층, 은닉층, 출력층 – 시냅스 연결강도 가중치 |
| 템플릿 정합법 | – 패턴 정규화 – 유클리디언기법 | – 템플릿 사전 준비 – 고속 계산, 변화에 민감 |
| 구조적 접근법 | – 패턴 구조화 – 패턴 그래프 | – 구조적 유사성 조사/분류 – 계층 서술 수식화, 관계화 |
IV. 정보시스템 패턴인식 활용 사례
| 구분 | 활용 사례 | 설명 |
|---|---|---|
| 정적 패턴 | – 문자인식 | – 필기체, 차량번호, 위조지폐 |
| – 생체인식 | – 지문, 홍채, 정맥, 행동패턴 | |
| 동적 패턴 | – 의료 진단 | – 뇌전도, 심전도 신호분석 |
| – 군사/보안 분야 | – 위성사진 관측 목표물추적 |
About The Author
