شناسایی الگو ( بازشناخت الگو یا تشخیص الگو ) شاخه ای از مبحث یادگیری ماشینی است. می توان گفت شناسایی الگو، دریافت داده های خام و تصمیم گیری بر اساس دسته بندی داده ها است. بیشتر تحقیقات در زمینه شناسایی الگو در رابطه با «یادگیری نظارت شده» یا «یادگیری بدون نظارت» است. روش های شناسایی 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 شناسایی 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 و تطبیق الگو از بخش های اصلی مبحث پردازش تصویر به خصوص در زمینه بینایی ماشین هستند.
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 انگشتها، اشیاء فیزیکی و تصاویر هستند. الگوهای زمانی شامل فرم های موجی گفتار، سری های زمانی و … هستند.
تشخیص الگو می تواند به عنوان دسته بندی داده ها ی ورودی در کلاس های شناخته شده به وسیلهٔ استخراج ویژگی های مهم یا صفات داده تعریف شود. یک کلاس الگو، یک دستهٔ متمایز شده به وسیلهٔ برخی صفات و ویژگی های مشترک است. ویژگی های یک کلاس الگو، صفات نوعی هستند که بین همهٔ الگوهای متعلق به آن کلاس مشترک هستند. ویژگی هایی که تفاوت های بین کلاس های الگو را بیان می کنند اغلب به عنوان ویژگی های اینترست شناخته می شوند. یک الگو، توصیفی از یکی از اعضای دسته است که ارائه دهندهٔ کلاس الگو می باشد. برای راحتی، الگوها معمولاً به وسیلهٔ یک بردار نمایش داده می شوند. مانند:
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفنیاز 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 انگشتها، اشیاء فیزیکی و تصاویر هستند. الگوهای زمانی شامل فرم های موجی گفتار، سری های زمانی و … هستند.
تشخیص الگو می تواند به عنوان دسته بندی داده ها ی ورودی در کلاس های شناخته شده به وسیلهٔ استخراج ویژگی های مهم یا صفات داده تعریف شود. یک کلاس الگو، یک دستهٔ متمایز شده به وسیلهٔ برخی صفات و ویژگی های مشترک است. ویژگی های یک کلاس الگو، صفات نوعی هستند که بین همهٔ الگوهای متعلق به آن کلاس مشترک هستند. ویژگی هایی که تفاوت های بین کلاس های الگو را بیان می کنند اغلب به عنوان ویژگی های اینترست شناخته می شوند. یک الگو، توصیفی از یکی از اعضای دسته است که ارائه دهندهٔ کلاس الگو می باشد. برای راحتی، الگوها معمولاً به وسیلهٔ یک بردار نمایش داده می شوند. مانند:
wiki: بازشناخت الگو