Die syntaktische Mustererkennung , auch strukturelle Mustererkennung genannt , ist eine Form der Mustererkennung, bei der jedes Objekt durch eine Menge symbolischer nominaler Merkmale variabler Kardinalität repräsentiert werden kann . Dies ermöglicht die Darstellung von Musterstrukturen unter Berücksichtigung komplexerer Beziehungen zwischen Attributen als bei flachen, numerischen Merkmalsvektoren fester Dimensionalität, die in der statistischen Klassifizierung verwendet werden .

Syntaktische Mustererkennung kann anstelle statistischer Mustererkennung eingesetzt werden, wenn die Muster eine klare Struktur aufweisen. Eine Möglichkeit, eine solche Struktur darzustellen, besteht in der Verwendung von Symbolketten aus einer formalen Sprache . In diesem Fall werden die Unterschiede in den Strukturen der Klassen als unterschiedliche Grammatiken kodiert .

Ein Beispiel hierfür wäre die Diagnose von Herzproblemen mithilfe von Elektrokardiogramm- (EKG)-Messungen. EKG- Kurven lassen sich durch diagonale und vertikale Liniensegmente annähern. Wenn sich normale und ungesunde Kurvenformen als formale Grammatiken beschreiben lassen, können EKG-Signale als gesund oder ungesund klassifiziert werden, indem man sie zunächst anhand der grundlegenden Liniensegmente beschreibt und anschließend versucht, die Beschreibungen gemäß den Grammatiken zu analysieren. Ein weiteres Beispiel ist die Parkettierung von Kachelmustern.

Eine zweite Möglichkeit zur Darstellung von Beziehungen sind Graphen , in denen Knoten verknüpft sind, wenn entsprechende Teilmuster in Beziehung stehen. Einem Element kann eine bestimmte Klassenbezeichnung zugewiesen werden, wenn seine Graphdarstellung isomorph zu Prototypgraphen dieser Klasse ist.

Typischerweise werden Muster hierarchisch aus einfacheren Teilmustern zusammengesetzt. Dies hilft, die Erkennungsaufgabe in leichtere Teilaufgaben zu unterteilen: zuerst die Identifizierung von Teilmustern und anschließend die Erkennung der eigentlichen Muster.

Strukturelle Methoden liefern Beschreibungen von Objekten, die an sich schon nützlich sein können. Beispielsweise kann die syntaktische Mustererkennung genutzt werden, um die in einem Bild vorhandenen Objekte zu bestimmen . Darüber hinaus sind strukturelle Methoden besonders effektiv, wenn es darum geht, eine Korrespondenz zwischen zwei Bildern eines Objekts zu finden. Unter natürlichen Bedingungen befinden sich korrespondierende Merkmale aufgrund von Kamerawinkel und Perspektive – wie etwa bei der Gesichtserkennung – an unterschiedlichen Positionen und/oder können in den beiden Bildern verdeckt sein . Ein Graphvergleichsalgorithmus liefert die optimale Korrespondenz.

Siehe auch

Referenzen

Schalkoff, Robert (1992). Mustererkennung – statistische, strukturelle und neuronale Ansätze . John Wiley & Sons. ISBN 0-471-55238-0Die

Bunke, Horst (1993). Strukturelle und syntaktische Mustererkennung. In: Chen, Pau & Wang (Hrsg.), Handbook of pattern recognition & computer vision . World Scientific, S.  163–209 . ISBN 981-02-1136-8Die

Flasinski, Mariusz (2019). Syntaktische Mustererkennung . World Scientific. ISBN 978-981-3278-46-2Die