ليس علم تمييز الانماط Pattern Recognition او تقنية تمييز الانماط من العلوم والتقنيات الشائعة الذكر وذات الصلة بالثقافة العامة او حتى بالدراسات الاكاديمية الاولية, ولكننا وعلى قمة التقدم التكنلوجي بدأنا نلمس في حياتنا اليومية الكثير من التطبيقات والتقنيات ذات الصلة والاعتماد على هذا العلم ومنها تقنيات تمييز الوجوه في انظمة المراقبة او تقنيات تمييز الاشكال الهندسية والكتابات وتجمعات النجوم والكروموسومات وكافة العمليات التي صار فيها الحاسوب يفهم الانماط بالطريقة ذاتها التي يفهم بها الانسان بل وبكفاءة اكبر في بعض الاحيان وهذا يعد بحد ذاته مفتاحا لثورة تقنية جديدة.

يمكن تعريف مصطلح الـ Pattern Recognition كأداة تارة وكعلم تارة اخرى ففي الحالة الاولى يعني انه ماكنة ذكاء اصطناعي وفي الحالة الثانية يمكن تعريفه على انه علم وصف/ تمييز/ تصنيف المقاييس. ويمكن ان يتم تصنيفه الى ثلاثة انواع علم تمييز الانماط الاحصائي والتركيبي والعصبي والتي سنأتي الى توضيح كل منها بعد قليل. ففي البدء لابد من توضيح ماهية النمط Pattern. النمط هو كل شئ يراد تصنيفه (الخوخ, البرتقال, مصفوفة من البيكسلات, الكلام..الخ) ومن ثم ما هي الصفة Feature, الصفة هي كل البيانات التي يمكن استخراجها من القياسات (اللون, الحجم, التردد, الوزن..الخ).

وهناك تعريفات اخرى ترتبط بهذا العلم منها:

Classification التصنيف: تعيين مدخلات احد الاصناف (Classes) بناء على صفة معينة Feature.

  التمييز – Recognition: هي المقدرة على التصنيف Classification.

التشويش Noise: كما في أي علم آخر التشويش هنا يمثل الاخطاء في الادخال او في تمييز الصفات او تدريب البيانات.

وتحدث الية التمييز اولا عن طريق تقسيم البيانات المراد تمييزها الى مناطق معينة مبنية على صفات (class-labeled decision regions) ويفترض بالاصناف Classes  التي يتم التصنيف اليها ان تغطي جميع البيانات المطلوب تمييزها.  ويدعى الخط المحيط بكل منطقة (region) بالـ (decision

boundary) والذي يعد صعب الايجاد في طرق التمييز ثم تصبح عملية التصنيف (Classification) سهلة بعد تعيين المناطق.

على اليسار من الشكل تتضح التصنيفات المطلوبة بينما في الوسط تطبيق هذه التصنيفات على محيط البيانات وعلى اليمين Measurement space  الصفات التي تم الاختيار على اساسها.

ولتقريب الصورة اكثر لابد من الاستعانة ببعض التشبيهات فعلى سبيل المثال لو اردنا ان نصنف البرتقال وكرات السلة حسب صفتي اللون والوزن ستكون الانماط Patterns الموجودة في حال التصنيف بناء على اللون مختلفة عن الانماط المطلوبة حين التصنيف على اساس الوزن.

الان نعود الى انواع تمييز الانماط:

  1. التمييز الاحصائي Statistical Approach ويعتمد على ايجاد احتماليات في البيانات بدل الاعتماد على تركيبة البيانات ويتم التصنيف فيه بناء على عدد ن من الصفات لتصنف البيانات ضمن فضاء يضم ن من الابعاد والهدف منه هو الحصول على مجموعة من المناطق Regions  تطابق الفضاء المتعدد الابعاد الناتج.
  2. اما التمييز التركيبي Syntactic Approach فيعتمد على تركيبة هرمية من التصنيفات التي تضم بعضها بعضا.
  3. في حين يحاول التمييز العصبي المعتمد على الـ Neural Networks أن يحاكي الية الانسان في تمييز الانماط وما زال العمل في تطوير هذا المجال جاريا.

ويتكون نظام تمييز الانماط عموما من المراحل الاتية: التحسس Sensing ثم التجزئة Segmentation ثم تمييز الصفات Feature Extraction  وبعدها التصنيف Classification وأخيرا المعالجة النهائية Post-processing.

وتمر مراحل التصميم الخاصة بنظام تمييز الانماط بمراحل اخرى تتمثل اولا بمرحلة جمع المعلومات Data collection ثم مرحلة اختيار الخصائص Feature choice ومن ثم اختيار الموديلات Model choice  فالتدريب Training وأخيرا التطوير Evaluation.