Pengecaman pola

Pengecaman pola (juga dikenali sebagai pengelasan pola) merupakan satu bidang dalam pembelajaran mesin (machine learning) dan boleh ditakrifkan sebagai

"tindakan mengambil data kasar dan bertindak berdasarkan pengelasan data".

Dengan itu, ia merupakan himpunan kaedah bagi pembelajaran berselia (supervised learning).

Pengecaman pola cuba untuk mengelaskan data (pola) berdasarkan sama ada pengetahuan a priori atau maklumat statistik yang diambil dari pola. Pola yang hendak dikelaskan biasanya merupakan kumpulan pengukuran atau pemerhatian, yang mentakrifkan titik pada ruang pelbagai dimensi yang sesuai.

Satu sistem pengecaman pola yang lengkap terdiri dari penderia yang mengumpul pemerhatian untuk dikelas atau diperikan; sebuah mekanisme penyarian sifat yang mengira maklumat angka atau simbol daripada pemerhatian tersebut; dan satu rancangan pengelasan atau pemerian yang melakukan pengelasan atau pemerian pemerhatian tersebut, bergantuang kepada sifat yang disari.

Aplikasi biasa adalah pengecaman pertuturan, pengelasan teks dokumen kepada beberapa kategori (seperti surat-e spam/bukan-spam), pengecaman poskod secara automatik pada sampul surat, atau pengecaman imej automatik bagi muka manusia. Dua contoh terakhir membentuk sub topik analisis imej bagi pengecaman pola yang menggunakan imej digital sebagai input kepada sistem pengecaman pola.

Lihat juga

• Analisis ramalan (predictive analytics)
• Pembelajaran mesin (machine learning)
• Senarai perisian analisis berangka

Rujukan

1. Richard O. Duda, Peter E. Hart, David G. Stork (2001) Pattern classification (Edisi ke-2), Wiley, New York, ISBN 0471056693
2. J. Schuermann: Pattern Classification: A Unified View of Statistical and Neural Approaches, Wiley & Sons, 1996, ISBN 0471135348