Aspects fondamentaux et évolutifs de la reconnaissance de formes : Approche pluridisciplinaire : Notion d'approximation

= Pattern recognition basis and evolution study : Pluridisciplinary approach : Approximation concept

• Auteur / Autrice : Claire Leschi
• Direction : Hubert Emptoz
• Type : Thèse de doctorat
• Discipline(s) : Informatique et Automatique Appliquées
• Date : Soutenance en 1991
• Etablissement(s) : Lyon, INSA
• Partenaire(s) de recherche : Laboratoire : RFD - Equipe de Reconnaissance de Forme et Diagnostique (Lyon, INSA1991-1994)

Mots clés

Mots clés contrôlés

Approximation stochastique

Catégorisation (linguistique)

Reconnaissance des formes (informatique)

Résumé

La reconnaissance de formes soulève la question de l'émergence des concepts à partir des données sensibles. Ce problème constitue le thème central des réflexions rapportées dans ce mémoire, qui comprend deux parties. La première analyse les différentes approches développées en reconnaissance artificielle de formes (modèles statistique, syntaxique, structurel; systèmes à base de connaissances, réseaux d' automates); elle les situe par rapport aux études menées en psychologie et dans les neurosciences (essentiellement à travers les paradigmes cognitiviste et connexionniste). Elle conduit à mettre en évidence le recentrage actuel des préoccupations de la reconnaissance artificielle des formes sur l'analyse des démarches humaines à émuler - induit conjointement par la complexification des processus à automatiser et par le manque crucial d'une approche unifiée de la perception automatique -. Elle permet aussi de souligner la place particulière tenue pas la catégorisation (classification) et aborde ainsi les notions de similarité et de prototype, le problème de la représentation des exemplaires et des classes et l'analyse des mécanismes d'apprentissage et de classement. La deuxième partie prolonge la réflexion sur la similarité en classification. On présente et discute différents outils de comparaison entre entités (exemple et /ou classe), depuis la notion locale de proximité de deux exemplaires jusqu'au concept global de caractérisation d'une classe. On montre comment leur support mathématique a évolué, des notions de distance et d'espace métrique à celles plus générales de voisinage et d'espace topologique, pour aboutir finalement à une axiomatique encore plus pauvre pour laquelle la pré topologie est une référence potentielle. Cette deuxième partie permet de dégager un terme d'acception possible pour l'ensemble des ''instruments de mesure'' de la reconnaissance artificielle de formes: le concept ''d'approximation''.

Pattern Recognition raises the main issue: « How concepts emerge from sensitive data ? » That problem is central in the thoughts that make up this thesis, which is divides in two parts. The aims of the first one are to analyse the various approaches developed in Artificial Pattern Recognition (statistical, syntactical and structural models; knowledge based systems; neural networks) and to compare them to psychology and neurosciences studies (essentially through cognitivism and connexionism). It leads us to underline that Pattern Recognition preoccupations are now re centred on human activities to be imitated - because of bath the complexification of processes that have to be auto mated and a crucial lack of a unified automatic perception approach. It also allows as to emphasis the particular part taken by categorisation (classification) and to tackle similarity and prototype notions, exemplars and classes representation problem, and learning and recognition mechanisms analysis. In the second part, thoughts about similarity 'in classification are continued. We present and discuss various comparison tools - between exemplars and/or class -from two exemplars local closeness to class global characterization. Their mathematical support. Is shown to evolve from distance and metric space notions to more general neighbourhood and topological space notions, and finally to lead to an even poorer axiomatic for which pre-topology is a potential reference. The second part permits us to propose a concept to represent the Whole Of the measure implements : the ''approximation'' idea.