Universidad La Salle

Facultad de Ingeniera

Ingeniera en Ciberntica y Sistemas Computacionales

Reconocimiento de Patrones

Andrade Hernndez Jos Alejandro

Daz Arcos Csar Eduardo
Hernndez Hernndez Karla Paola
Pea Butrn Jorge Rodolfo
Sols Magallanes Alan Francisco

Contenido
Objetivo....................................................................................................4
Definiciones y Conceptos Bsicos.............................................................4
Patrones.................................................................................................4
Reconocimiento o Clasificacin..............................................................4
Clase......................................................................................................4
Clase de Rechazo...................................................................................5
Extractor de Caractersticas..................................................................5
Clasificador............................................................................................5
Falso rechazo (falso negativo) y falsa aceptacin (falso positivo).........5
Antecedentes y Desarrollo Histrico.........................................................5
Fundamento Matemtico..........................................................................6
Reconocimiento mediante funciones discriminantes.............................6
Elementos..............................................................................................6
Aprendizaje............................................................................................6
Tcnicas....................................................................................................7
Adaptacin (Pattern Matching)..............................................................7
Clasificadores estadsticamente ptimos...............................................7
Redes Neuronales..................................................................................7
Estado del Arte.........................................................................................8
Desarrollos Actuales.................................................................................9
En el mundo...........................................................................................9
Ejemplo...................................................................................................10
Reconocimiento de Caracteres por medio de la tcnica Clasificador de
Media Distancia..................................................................................10
Bibliografa..............................................................................................12
Cuestionario............................................................................................12

Objetivo
Conocer el proceso, mtodos y aplicaciones del reconocimiento de
patrones. As como tambin, los problemas que se pueden resolver con
sta disciplina.

Definiciones y Conceptos Bsicos

El Reconocimiento de Patrones es una disciplina de carcter
multidisciplinario cuyo objetivo de estudio son los procesos de
identificacin, caracterizacin, clasificacin y pronstico sobre objetos,
fsicos o abstractos con el propsito de extraer informacin que permita
establecer propiedades de o entre conjuntos de dichos objetos, as como
las metodologas y tcnicas relacionadas con dichos procesos.
Patrones
Tras los procesos de segmentacin, extraccin de caractersticas y
descripcin, cada objeto queda representado por una coleccin
(posiblemente ordenada y estructurada) de descriptores, denominada
patrn.
En los problemas de reconocimiento,
perteneciente a una categora o clase.

cada

patrn

se

supone

El sistema de reconocimiento debe asignar cada objeto (de inters) a su

categora.
Reconocimiento o Clasifi cacin
Proceso en el cual se asigna un alias (que representa una clase) a un
patrn concreto.
Clase
Conjunto de entidades que comparten alguna caracterstica que las
diferencia de otras.
Clase de Rechazo
Conjunto de entidades que no se pueden etiquetar como ninguna de las
clases del problema.
Extractor de Caractersticas
Subsistema que extrae informacin relevante para la clasificacin a
partir de las entidades cuantificables.

Clasifi cador
Subsistema que utiliza un vector de caractersticas de la entidad
cuantificable y lo asigna a una de N clases.
Falso rechazo (falso negativo) y falsa aceptacin (falso
positivo)
Para problemas de 2 clases estas definiciones reflejan la importancia de
una decisin contra la opuesta. El sistema de clasificacin se puede
sintonizar para que trabaje ponderando un tipo de error sobre el otro.

Antecedentes y Desarrollo Histrico

Es en los aos 50 cuando se logra realizar un sistema que tuvo cierto
xito, se llam el Perceptrn de Rossenblatt. ste era un sistema visual
de reconocimiento de patrones en el cual se asociaron esfuerzos para
que se pudieran resolver una gama amplia de problemas, pero estas
energas se diluyeron enseguida.
En 1966, el reconocimiento de patrones se convirti en un objeto de
estudio ms serio gracias al trabajo de Zhuravliov que habla de la Teora
de Testores y el Reconocimiento de Patrones.
En 1972, en Washington, se lleva a cabo la primera conferencia sobre
reconocimiento de patrones.
En 1978, se funda la IAPR (International Association for Pattern
Recognition).
En 1980, el reconocimiento de patrones llega a Mxico a travs de
maestros cubanos.

Fundamento Matemtico
Reconocimiento mediante funciones discriminantes
Es una tcnica estadstica multivariante cuya finalidad es analizar si
existen diferencias significativas entre grupos de objetos respecto a un
conjunto de variables medidas sobre los mismos para, en el caso de que
existan, explicar en qu sentido se dan y proporcionar procedimientos

de clasificacin sistemtica de nuevas observaciones

desconocido en uno de los grupos analizados.

de

origen

Elementos

Funcin Discriminante, d(x):

Mide la relevancia de la clase c para el patrn x.

Regin de Decisin, R:
El conjunto de todos los puntos del espacio que el reconocedor
asigna a la clase c.

Frontera de Decisin:
Separa regiones de decisin.

Decisor:
Tpicamente (aunque no siempre), seleccionan la clase de mayor
(o menor) valor de la funcin discriminante d(x).

Aprendizaje

Conjunto de entrenamiento:
Conjunto de patrones etiquetados (con un alias).
{x(k), c(k), k = 1, , k}
Algoritmo de entrenamiento:
Es un conjunto de reglas de ajuste de los parmetros de las
funciones discriminantes di(x,wi).
Conjunto de prueba (test):
- Conjunto de patrones etiquetados NO utilizados durante el
entrenamiento.
- Sirven para evaluar el rendimiento del clasificador.
- Generalizacin: capacidad para clasificar correctamente
patrones no utilizados durante el entrenamiento.

Tcnicas
Adaptacin (Pattern Matching)
Representan cada clase mediante un patrn prototipo.
-

Clasificador de mnima distancia.

Adaptacin por correlacin.

Clasifi cadores estadsticamente ptimos

Se fundamentan en la Teora de la Decisin Estadstica.
-

Clasificador bayesiano para clases gausianas.

Redes Neuronales
Se fundamentan en la teora del aprendizaje estadstico.
-

Perceptrn para dos clases.

Perceptrn multicapa.

Estado del Arte

Refirindose a la definicin del reconocimiento de patrones, los objetos
fsicos pueden ser espaciales como: caracteres, imgenes, entre otros y
temporales como: formas de onda (voz), series, entre otros y los
abstractos como: razonamiento, soluciones a problemas, etc. As
tenemos, por ejemplo, patrones visuales basados en imgenes areas o
satelitales, de problemas de clasificacin y diagnstico en algunos
campos (como la medicina o la balstica). Tambin se puede aplicar a
problemas relacionados con el campo del control inteligente, en el cual
los sistemas complejos neuronales suministran la capacidad de
aprendizaje y la lgica borrosa permite la extraccin de las reglas de
clasificacin o diagnstico. A travs del tiempo el Reconocimiento de
Patrones ha ido evolucionando y tomando distintos nombres como
Machine Learning (Aprendizaje Automtico) o el ms reciente como Data
Mining (Minera de Datos) o Knowledge Discovery of Data (KDD,
Descubimiento de Conocimiento en bases de datos) a medida que se
han ido incorporando algunos otros mtodos y/o tcnicas al
reconocimiento de patrones

Desarrollos Actuales
En el mundo
Espaa: Mtodo para identificar el sexo de una persona con una
imagen de 25x25 pixeles.
Un equipo espaol del Grupo de Inteligencia Artificial con sede en la
Universidad Politcnica de Madrid, ha desarrollado un sistema que puede
analizar una seal de vdeo en tiempo real y calcula el gnero de los
rostros representados en las imgenes.
El dispositivo consiste en una cmara de vdeo que mediante un
detector facial captura imgenes recortadas de 2525 pxeles. Despus
se aplica una mscara a la imagen para eliminar el fondo y se pasa a un
clasificador que determina el sexo de la persona.
Lo interesante es de algoritmo, es que solo utiliza 625 pxeles para
determinar el sexo una vez que identifica el rostro. Para ello emplea el
Anlisis
Discriminante
Lineal,
una
vieja
tcnica de reconocimiento de patrones, que si se usa correctamente
resulta tan buena como las modernas mquinas de vectores de soporte.
Algunos rostros son difciles de clasificar, pero el grupo de investigacin
est trabajando para ampliar el algoritmo y reconocer expresiones
faciales.
Este sistema servira para la medicin de audiencias de televisin o
publicidad, as como la realizacin de estudios de mercado en los
centros comerciales, tiendas, bancos o cualquier otro negocio donde se
puedan utilizar cmaras para contar personas y obtener informacin
demogrfica.

Ejemplo
Reconocimiento de Caracteres por medio de la tcnica
Clasifi cador de Media Distancia
Clases: Ck: {A,B,a,b,,0,1,2,a,b,a,b,a,b,a,b,a,b,}
Clase de rechazo: Cr:{!,,$,%,&,/,(,),=,?,,~}
Extractor de caractersticas:

El reconocedor de caracteres asigna el vector v a la clase que ms

se parece.
Medidas de Similitud

Distancia Euclidea
Distancia de Hamming
Distancia de Mahalanobis
Correlacin cruzada

Ventajas del Clasificador de Mnima Distancia

Simplicidad
Facilidad de Ajuste

Inconvenientes

Slo funciona cuando las clases forman nubes poco dispersas y

bien separadas
- Ejemplo: fuente de caracteres E-13B de la American Bankers
Association, especialmente diseada para facilitar el
reconocimiento automtico.
- La signatura refleja la derivada de la cantidad de negro en
direccin vertical, al mover un scanner de izquierda a derecha
- El muestreo en lo puntos de la cuadrcula proporciona
informacin con suficiente capacidad discriminante.

Bibliografa
http://www.comunidad.cic.ipn.mx/sitioCIC/images/sources/cic/tesis/A040
212.pdf
http://ciberconta.unizar.es/leccion/discri/inicio.html
http://www.gts.tsc.uvigo.es/pi/Reconocimiento.pdf
http://ccc.inaoep.mx/~ariel/recpat.pdf
http://lindagaxiola.blogspot.com/2010/12/reconocimiento-depatrones.html

Cuestionario
1. Qu es un patrn?
a) Encargado de manipular a sus empleados
b) Vector que almacena las caractersticas propias del objeto
analizado.
c) Conjunto de caractersticas almacenadas en un objeto llamado
Clase.
d) Eleccin de un objeto a partir de la segmentacin de una
imagen.
2. Qu es una clase?
a) Conjunto de caractersticas almacenadas en un vector llamado
clase.
b) Eleccin de un objeto a partir de una imagen dada en la
entrada del sistema de reconocimiento.
c) Conjunto de entidades que comparten alguna caracterstica que
las diferencia de otras.
d) Es la base del conocimiento con el cual se eligen los objetos
parecidos.
3. Qu es clasificacin?
a) Proceso en el cual se asigna un alias (que representa una clase)
a un patrn concreto.
b) Separar los objetos que se parecen entre s.
c) Ordena las caractersticas de un patrn para hacerlo semejante
a otro patrn.
d) Elegir un conjunto de patrones con caractersticas similares.
4. Qu es Pattern Matching?

a) Representa cada clase mediante un patrn prototipo.

b) Buscar similitudes entre patrones.
c) Agrupar las clases que tienen caractersticas parecidas.
d) Buscar slo una coincidencia de entre un conjunto de patrones.
5. Cules son las tcnicas que identifican a las Redes
Neuronales?
a) Clasificador de mnima distancia y Perceptrn multicapa
b) Clasificador bayesiano para clases gausianas y Perceptrn para
dos clases.
c) Adaptacin por Correlacin y Clasificador de mnima distancia.
d) Perceptrn para dos clases y Perceptrn multicapa.
6. A qu se refiere la Clase de Rechazo?
a) Conjunto de entidades que no se pueden etiquetar como
ninguna de las clases del problema.
b) Clase que no tiene alguna caracterstica entre ningn patrn
c) Es una clase que tiene demasiadas coincidencias entre las
caractersticas de varios patrones, por lo tanto, se rechazan
porque no seran una clase medible
d) Clase que define el anlisis de otras clases.
7. Cules son los conceptos bsicos del reconocimiento de
patrones?
a) Patrones, Reconocimiento o Clasificacin, Clase, Clase de Rechazo,
Extractor de Caractersticas, Clasificador, Falso rechazo y Falsa
Aceptacin
b) Adaptacin, Clasificadores estadsticamente ptimos, Redes
Neuronales
c) Funcin Discriminante, Regin de Decisin, Frontera de Decisin,
Decisor.
d) Ninguna de las anteriores
8.- Qu funcin realiza el extractor de caractersticas?
a) Conjunto de entidades que no se pueden etiquetar como ninguna
de las clases del problema.

b) Subsistema que extrae informacin relevante para la clasificacin

a partir de las entidades cuantificables.
c) Proceso en el cual se asigna un alias (que representa una clase) a
un patrn concreto.

d) Para problemas de 2 clases estas definiciones reflejan la

importancia de una decisin contra la opuesta. El sistema de
clasificacin se puede sintonizar para que trabaje ponderando un
tipo de error sobre el otro.
9. Cul es el objetivo del Reconocimiento de Patrones?
a) Anlisis sobre objetos, fsicos o abstractos con el propsito de extraer
informacin que permita agrupar las caractersticas en vectores
b) Objetivo de estudio son los procesos de identificacin,
caracterizacin, clasificacin y pronstico sobre objetos, fsicos o
abstractos con el propsito de extraer informacin que permita
establecer propiedades de o entre conjuntos de dichos objetos, as como
las metodologas y tcnicas relacionadas con dichos procesos.
c) Objetivo de estudio son los procesos de recepcin, procesamiento,
agrupacin y reconocimiento sobre objetos, fsicos o abstractos con el
propsito de extraer informacin que permita establecer propiedades de
o entre conjuntos de dichos objetos, as como las metodologas y
tcnicas relacionadas con dichos procesos
d) Analizar objetos para saber a qu clase pertenecen.
10. Qu es el reconocimiento mediante funciones
discriminantes?
a) Utilizar ecuaciones diferenciales para generar un funcin
discriminante y as obtener el patrn correspondiente a un conjunto de
objetos.
b) Es una tcnica estadstica multivariante cuya finalidad es analizar si
existen diferencias significativas entre grupos de objetos respecto a un
conjunto de variables medidas sobre los mismos para, en el caso de que
existan, explicar en qu sentido se dan y proporcionar procedimientos
de clasificacin sistemtica de nuevas observaciones de origen
desconocido en uno de los grupos analizados.
c) Es una tcnica de mtodos numricos multivariante cuya finalidad es
analizar si existen diferencias significativas entre grupos de objetos
respecto a un conjunto de variables medidas sobre los mismos para, en
el caso de que existan, explicar en qu sentido se dan y proporcionar

procedimientos de clasificacin sistemtica de nuevas observaciones de

origen desconocido en uno de los grupos analizados.
d) Es una tcnica de la Inteligencia Artificial multivariante cuya finalidad
es analizar si existen diferencias significativas entre grupos de objetos
respecto a un conjunto de variables medidas sobre los mismos para, en
el caso de que existan, explicar en qu sentido se dan y proporcionar
procedimientos de clasificacin sistemtica de nuevas observaciones de
origen desconocido en uno de los grupos analizados.