5/21/2018 Pengenalan Pola Text mining

1/3

Pengenalan pola 1

Pengenalan pola

Pengenalan pola merupakan bidang dalam pembelajaran mesin dan dapat diartikan sebagai "tindakan mengambil

data mentah dan bertindak berdasarkan klasifikasi data"[1]

[2]

. Dengan demikian, ia merupakan himpunan kaidah

bagi pembelajaran diselia (supervised learning).

Ada beberapa definisi lain tentang pengenalan pola, di antaranya:

Penentuan suatu objek fisik atau kejadian ke dalam salah satu atau beberapa kategori.[3]

Ilmu pengetahuan yang menitikberatkan pada deskripsi dan klasifikasi (pengenalan) dari suatu pengukuran.[4]

Suatu pengenalan secara otomatis suatu bentuk, sifat, keadaan, kondisi, susunan tanpa keikutsertaan manusia

secara aktif dalam proses pemutusan.[5]

Berdasar beberapa definisi di atas, pengenalan pola bisa didefinisikan sebagai cabang kecerdasan yang

menitik-beratkan pada metode pengklasifikasian objek ke dalam klas - klas tertentu untuk menyelesaikan masalah

tertentu.

Salah satu aplikasinya adalah pengenalan suara, klasifikasi teks dokumen dalam kategori (contoh. surat-E

spam/bukan-spam), pengenalan tulisan tangan, pengenalan kode pos secara otomatis pada sampul surat, atau sistempengenalan wajah manusia. Aplikasi ini kebanyakan menggunakan analisis citra bagi pengenalan pola yang

berkenaan dengan citra digital sebagai input ke dalam sistem pengenalan pola

Teknik Pengenalan Pola

Pengenalan pola biasanya merupakan langkah perantaraan bagi proses lebih lanjut. Langkah ini biasanya merupakan

dapatan data (gambar, bunyi, teks, dll.) untuk dikelaskan, pre-pemrosesan untuk menghilangkan gangguan atau

menormalkan gambar dalam satu cara (pemrosesan gambar (image processing), teks dll.), pengiraan ciri-ciri,

pengkelasan dan akhirnya post-pemrosesan berdasarkan kelas pengenalan dan aras keyakinan.

Pengenalan pola itu sendiri khususnya berkaitan dengan langkah pengkelasan. Dalam kasus tertentu, sebagaimanadalam jaringan syaraf (neural networks), pemilihan ciri-ciri dan pengambilan juga boleh dilaksanakan secara semi

otomatis atau otomatis sepenuhnya.

Sementara terdapat banyak kaidah untuk pengkelasan, ia menyelesaikan satu dari tiga masalah matematis berkaitan.

Pertama adalah mencari peta ruang ciri (feature space) (biasanya pelbagai dimensi ruang vektor (vector space)) bagi

set label. Secara bersamaan ia membagi ruang ciri menjadi kawasan-kawasan, kemudian meletakkan label kepada

setiap kawasan. Algoritma yang demikian ini (contohnya the nearest neighbour algorithm) biasanya belumlah

menghasilkan kepercayaan atau class probabilities, sebelum diterapkannya post-processing.

Masalah kedua adalah untuk menganggap masalah sebagai anggaran, dimana matlamat adalah untuk menganggar

fungsi bagi bentuk

dimana input vektor ciri adalah , dan fungsi f biasanya diparameter oleh sebagian parameter . Dalam

pendekatan statistik Bayesian bagi masalah ini, berlainan dengan memilih satu vektor parameter , hasil dibentuk

bagi kesemua thetas yang mungkin, dengan turutan berat bagi ketepatan berdasarkan data latihanD:

Masalah ketiga terkait dengan masalah kedua, tetapi masalahnya adalah untuk menganggar kebangkalian bersyarat

(conditional probability) dan kemudian menggunakan aturan Bayes untuk menghasilkan kemungkinan

kelas sebagaimana dalam masalah kedua.

Contoh algoritma klasifikasi termasuk:

Klasifikasi linear

http://id.wikipedia.org/w/index.php?title=Klasifikasi_linearhttp://id.wikipedia.org/w/index.php?title=Aturan_Bayeshttp://id.wikipedia.org/w/index.php?title=Statistik_Bayesianhttp://id.wikipedia.org/w/index.php?title=Posterior_probabilityhttp://id.wikipedia.org/w/index.php?title=Nearest_neighbor_%28pattern_recognition%29http://id.wikipedia.org/w/index.php?title=Algoritmahttp://id.wikipedia.org/w/index.php?title=Ruang_vektorhttp://id.wikipedia.org/w/index.php?title=Jaringan_syarafhttp://id.wikipedia.org/w/index.php?title=Pemrosesan_gambarhttp://id.wikipedia.org/w/index.php?title=Citra_digitalhttp://id.wikipedia.org/w/index.php?title=Analisis_citrahttp://id.wikipedia.org/w/index.php?title=Pengenalan_wajah_manusiahttp://id.wikipedia.org/w/index.php?title=Pengenalan_tulisan_tanganhttp://id.wikipedia.org/w/index.php?title=Pengenalan_suarahttp://id.wikipedia.org/w/index.php?title=Pembelajaran_mesin

5/21/2018 Pengenalan Pola Text mining

2/3

Pengenalan pola 2

Diskriminan linier Fisher

Regresi Logistik

Naive Bayes classifier

Perceptron

Metode Nearest neighbor

Boosting

Decision tree

Jaringan Saraf Tiruan

Jaringan Bayesian

Mesin sokongan vektor (Support vector machine)

Model Markov Tersembunyi (Hidden Markov model)

Domain Aplikasi

komputer visi

pengenalan karakter medis (Medical image analysis)]]

Pengenalan karakter optis

Pengenalan suara (speech recognition)

Pengenalan tulisan tangan (handwritten recognition)

Identifikasi biometrik

klasifikasi dokuman

Internet

Credit scoring

Rujukan

[1] Richard O. Duda, Peter E. Hart, David G. Stork (2001)Pattern classification (2nd edition), Wiley, New York, ISBN 0-471-05669-3.

[2] J. Schuermann:Pattern Classification: A Unified View of Statistical and Neural Approaches, Wiley&Sons, 1996, ISBN 0-471-13534-8

[3][3] IJCSNS, 2006, ISSN 1738-7906)

[4][4] IJCSNS, 2006, ISSN 1738-7906

[5][5] McGraw-Hill Dictionary of Scientific and Technical Terms (2003)

http://id.wikipedia.org/w/index.php?title=Klasifikasi_dokumanhttp://id.wikipedia.org/w/index.php?title=Pengenalan_tulisan_tanganhttp://id.wikipedia.org/w/index.php?title=Pengenalan_suarahttp://id.wikipedia.org/w/index.php?title=Pengenalan_karakter_optishttp://id.wikipedia.org/w/index.php?title=Pengenalan_karakter_medishttp://id.wikipedia.org/w/index.php?title=Komputer_visihttp://id.wikipedia.org/w/index.php?title=Model_Markov_tersembunyihttp://id.wikipedia.org/w/index.php?title=Mesin_sokongan_vektorhttp://id.wikipedia.org/w/index.php?title=Jaringan_Bayesianhttp://id.wikipedia.org/w/index.php?title=Jaringan_Saraf_Tiruanhttp://id.wikipedia.org/w/index.php?title=Metode_Nearest_neighborhttp://id.wikipedia.org/w/index.php?title=Regresi_Logistikhttp://id.wikipedia.org/w/index.php?title=Diskriminan_linier_Fisher

5/21/2018 Pengenalan Pola Text mining

3/3

Sumber dan Kontributor Artikel 3

Sumber dan Kontributor ArtikelPengenalan pola Sumber: http://id.wikipedia.org/w/index.php?oldid=6621399 Kontributor: Ali Akbar, Dykeey, Jagawana, Mssetiadi, Roscoe x, Wic2020, Yosri, 1, 2 suntingan anonim

Lisensi

Creative Commons Attribution-Share Alike 3.0//creativecommons.org/licenses/by-sa/3.0/