Molti modelli matematici di fenomeni naturali sono descritti dal concetto di iterazione: l'evolversi di una popolazione, il comportamento dell'atmosfera terrestre, la crescita di un capitale soggetto a un certo tasso di interesse e altri ancora. Questi sistemi, che vanno sotto il nome di sistemi dinamici, presentano spesso una stretta correlazione con i frattali: l'autosomiglianza o invarianza risetto al cambiamento di scala. Una natura ripetitiva che sembra descrivere le forme e le configurazioni naturali in modo piu' succinto ed esteticamente piu' valido rispetto alla geometria euclidea tradizionale.

In this paper we face the problem of finding characteristic information about images of different objects, showing that the fractal encoding based on Iterated Function Systems, besides allowing very high compression rates, can be successfully applied also for capturing discriminatory features that can be exploited for non-fractal image classification. An original feature extraction algorithm was developed and applied to encode the hand-written digits data set. Then, different learning algorithms were applied and their performances were compared both to those obtained using a general purpose fractal encoder (enc by Fisher) and to the work done in the StatLog project on the same data set.

  M. Baldoni, C. Baroglio, D. Cavagnino, L. Saitta.
      "Towards an Automatic Fractal Features Extraction for Image Recognition".
       in H. Liu and H. Motoda ed. "Feature Extraction, Construction and Selection - a Data Mining Approach",
        Kluwer Academic Publisher, 1998. In print.