Reconocimiento de patrones

I=imread(‘dirección donde está la imagen’)

R=I(:,:,1);
G=I(:,:,2);
S=I(:,:,3);
X= [R(:) G(:) B(:)];
X=double (X);
lab= kmeans (double(X),5);
Iseg= reshape(lab,size(I,1), size(I,2));
subplot(121), imshow(I), subplot(122), imagesc(I)
subplot(121), imshow(I), subplot(122), imagesc(Iseg)
El reconocimiento de patrones —también llamado lectura de patrones, identificación de figuras
y reconocimiento de formas—1 consiste en el reconocimiento de patrones de señales. Los patrones
se obtienen a partir de los procesos de segmentación, extracción de características y descripción
dónde cada objeto queda representado por una colección de descriptores. El sistema de
reconocimiento debe asignar a cada objeto su categoría o clase (conjunto de entidades que
comparten alguna característica que las diferencia del resto). Para poder reconocer los patrones se
siguen los siguientes procesos:
1. adquisición de datos
2. extracción de características
3. toma de decisiones
El punto esencial del reconocimiento de patrones es la clasificación: se quiere clasificar una señal
dependiendo de sus características. Señales, características y clases pueden ser de cualquiera forma,
por ejemplo se puede clasificar imágenes digitales de letras en las clases «A» a «Z» dependiendo de
sus píxeles o se puede clasificar ruidos de cantos de los pájaros en clases de órdenes aviares
dependiendo de las frecuencias.

 Detección
 Segmentación
 Extraer conocimiento
 Clasificación (con conocimiento previo) Supervisado en donde el entrenamiento depende
del conocimiento del experto
 Agrupamiento (Sin conocimiento previo) No supervisado

*Agrupamiento y clasificación Están inmersos en la supervisión.

Los datos estructurados son una matriz de datos con arreglo rectangular.
Para recordar, en la matriz de datos N*d dónde filas o N=6 muestras/datos/objetos (Ej: 6 tazas de
café) columnas o d= 2 variables/características/atributos/mediciones

--> X=[0.1,0.3;015,0.25;0.11,0.29;0.9,0.05;0.85,0.1;0.91,0.06]
X=
 0.1000 0.3000
15.0000 0.2500
0.1100 0.2900
0.9000 0.0500
0.8500 0.1000
0.9100 0.0600

plot(X(:,1), X(:,2), '*r')

--> axis([0,1,0,1])
--> grid