Die Mustererkennung ist ein weitgefächertes Gebiet, das zum größten Teil in der Informatik vorkommt. Sie findet in vielen Gebieten Anwendung, wie zum Beispiel in der Biometrie, Industrie und Medizin. Man begegnet ihr aber auch im Alltag z.B. beim Lesen oder wenn man eine Person auf der Straße erkennt.
Das menschliche Gehirn ist der Grundbaustein zur Mustererkennung. Es ist der ultimative Computer, da es Daten ohne merkbare Fehler verarbeiten kann. Es ist eine einfache Übung für das Gehirn, unvollständige Objekte oder ein Geräusch trotz eines Störsignals zu erkennen, wobei viele Computersysteme Probleme haben und sogar abstürzen. Natürlich gibt es Möglichkeiten, das Gehirn zu täuschen, aber das gehört nicht zu diesem Thema.
Die Mustererkennung ist in vielen elektronischen Geräten vorhanden. In Mobiltelefonen oder Smartphones ist die Spracherkennung ein fester Bestandteil. Durch diese ist es möglich, sich mit seinem Handy auf gewisse Art und Weise zu unterhalten. Dabei fragt man das Handy z.B., wie das Wetter wird oder wo die nächste Tankstelle ist, und dieses antwortet dann. In vielen Smartphones ist auch eine Fingerabdruckerkennung, mit der man das Handy entsperren kann. Über die Jahre hinweg hat sich die Mustererkennung auch in der Games-Industrie etabliert. Sie ist zu finden bei Computer- und Konsolenspielen. Es ist nicht übertrieben zu sagen, dass die Mustererkennung den Menschen ein Leben lang und in nahezu allen Bereichen bergleitet.
Inhaltsverzeichnis
1. Einleitung
1.1 Fragestellung
1.2 Motivation
1.3 Zielsetzung
1.4 Verlauf der Arbeit
2. Hauptteil
2.1 Grundinformationen zur Mustererkennung
2.1.1 Was ist Mustererkennung?
2.1.2 Die drei grundlegenden Ansätze der Mustererkennung
2.1.2.1 Syntaktische Mustererkennung
2.1.2.2 Statistische Mustererkennung
2.1.2.3 Strukturelle Mustererkennung
2.1.3 Die Arbeitsphase
2.1.3.1 Aufnahme
2.1.3.2 Vorverarbeitung
2.1.3.3 Merkmalsextraktion
2.1.3.4 Merkmalsreduktion
2.1.3.5 Klassifikation
2.1.4 Die Lernphase
2.1.4.1 Überwachtes Lernen
2.1.4.2 Unüberwachtes Lernen
2.2 Anwendungsgebiete
2.2.1 Bilderkennung
2.2.2 Schrifterkennung
2.2.3 Spracherkennung
3. Fazit
3.1 Zusammenfassung
3.2 Ausblick
Zielsetzung & Themen
Das primäre Ziel dieser Arbeit ist es, die komplexen Grundlagen und die Funktionsweise der Mustererkennung so aufzubereiten, dass sie auch für fachfremde Einsteiger verständlich sind. Die Arbeit untersucht dabei insbesondere die künstliche Nachbildung menschlicher Wahrnehmungsprozesse und deren praktische Umsetzung in der Informatik.
- Grundlagen und Definitionen der Mustererkennung
- Die drei wesentlichen methodischen Ansätze (syntaktisch, statistisch, strukturell)
- Struktur und Phasen der Arbeits- und Lernphasen in Erkennungssystemen
- Praktische Anwendungsbeispiele in Bild-, Schrift- und Spracherkennung
Auszug aus dem Buch
2.1.1 Was ist Mustererkennung?
Bevor man in die Thematik der Mustererkennung eintaucht, sollte zunächst geklärt werden, was Mustererkennung genau ist. Für das Wort Mustererkennung gibt es viele verschiedene Definitionen, die sich in manchen Bereichen gleichen und in manchen weit auseinander gehen. Eine allgemeine Definition lautet: „Pattern recognition is the search for structure in data.” (Pal & Bezdek 1992).
Eine andere besagt: „Die Mustererkennung beschäftigt sich mit den mathematisch–technischen Aspekten der automatischen Verarbeitung und Auswertung von Mustern“ (Niemann, H. 2003: 13). Zusammenfassend könnte man sagen, dass die Mustererkennung ein Verfahren bezeichnet, in dem gemessene Signale automatisch in Kategorien eingeordnet werden, um sie automatisch zu klassifizieren (vgl. Franz, Prof. Dr. Matthias 2008: 6).
Die Mustererkennung ist ein Teilgebiet der Informatik. Sie wird benutzt, um mit der Umwelt zu interagieren sowie einfache Tätigkeiten auszuführen, und ist ein Bestandteil von Intelligenten Systemen (vgl. Maier, Orlando & Weck, Tobias 2007: 11) Ihre Einsatzgebiete beziehen sich auf die Bild-/Objekterkennung, Biometrie (z.B. Sprech-, Fingerabdruck- oder Iriserkennung), Schrifterkennung und in der Spracherkennung (vgl. Maier, Orlando & Weck, Tobias 2007: 18). So wie die Menschen mittlerweile viele Dinge aus der Natur ableiten, so wird auch die Mustererkennung vom menschlichen Gehirn abgeleitet.
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel führt in die Thematik der Mustererkennung ein, definiert den Rahmen der Arbeit und stellt die zentralen Forschungsfragen zur Funktionsweise und Relevanz der Technologie.
2. Hauptteil: Der Hauptteil erläutert theoretische Grundlagen wie die drei methodischen Ansätze der Mustererkennung und detailliert die Arbeits- und Lernphasen, bevor drei spezifische Anwendungsgebiete praxisnah untersucht werden.
3. Fazit: Das Fazit fasst die wesentlichen Erkenntnisse der Arbeit zusammen und gibt einen Ausblick auf die zukünftige Bedeutung der Mustererkennung in einer zunehmend technologisierten Welt.
Schlüsselwörter
Mustererkennung, Informatik, Künstliche neuronale Netze, Bilderkennung, Schrifterkennung, Spracherkennung, Klassifikation, Merkmalsextraktion, Lernphase, Arbeitsphase, Biometrie, Algorithmen, Datenverarbeitung, Automatisierung, Neuronale Netze.
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit behandelt die Grundlagen und Anwendungsgebiete der Mustererkennung und untersucht, wie Informatiksysteme menschliche Wahrnehmungsleistungen imitieren können.
Was sind die zentralen Themenfelder der Arbeit?
Die zentralen Themen sind die methodischen Ansätze der Mustererkennung, die Struktur von Erkennungssystemen sowie deren Anwendung in den Bereichen Bild-, Schrift- und Spracherkennung.
Was ist das primäre Ziel oder die Forschungsfrage dieser Arbeit?
Ziel ist es, die Funktionsweise der Mustererkennung so zu erklären, dass auch Einsteiger die Thematik verstehen, und die Notwendigkeit dieser Technologie im Alltag zu beleuchten.
Welche wissenschaftliche Methode wird in der Arbeit verwendet?
Die Arbeit nutzt eine Literaturrecherche und die Analyse von theoretischen Konzepten, illustriert durch praktische Beispiele und Fallstudien wie die Bilderkennung in Videospielen.
Was wird im Hauptteil der Arbeit behandelt?
Der Hauptteil gliedert sich in die theoretischen Grundlagen (Ansätze), die technischen Prozessschritte (Arbeits- und Lernphase) sowie die Untersuchung konkreter Einsatzgebiete.
Welche Schlüsselwörter charakterisieren die Arbeit am besten?
Die Arbeit wird maßgeblich durch Begriffe wie Mustererkennung, Künstliche Intelligenz, Neuronale Netze und Klassifikation bestimmt.
Wie unterscheidet sich die syntaktische von der statistischen Mustererkennung?
Während die syntaktische Erkennung auf formalen Grammatiken und Symbolregeln basiert, setzt die statistische Mustererkennung auf mathematische Wahrscheinlichkeitsrechnungen und Merkmalsvektoren.
Warum ist das "überwachte Lernen" bei künstlichen neuronalen Netzen umstritten?
Der Nachteil des überwachten Lernens liegt in der biologischen Unplausibilität, da das System extern mit den korrekten Ausgabemustern trainiert werden muss.
- Citar trabajo
- Jennifer Koenig (Autor), 2014, Grundlagen und Anwendungsgebiete der Mustererkennung, Múnich, GRIN Verlag, https://www.grin.com/document/303118
