Главная » Просмотр файлов » Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика

Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378), страница 55

Файл №1027378 Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (Айвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика) 55 страницаАйвазян С.А., Бухшгабер В.М., Енюков И.С., Мешалкин Л.Д. - Прикладная статистика (1027378) страница 552017-12-21СтудИзба
Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 55)

Х). (10.2) Положим К (з, Х) = з, если Ь (з (Х), Х) = ш!и Л (и, Х); (10,3) К(з, Х) =-з(Ф Х), если дчъз(Х) и юу=агнш!пб(п', Х). Опишем алгоритм равномерного распределения объектов по классам, в котором классификатор К действует по формуле (10.3). В этом алгоритме критерием качества разбиения выборки О на классы О (1), ..., О (й) является сумма попарных внутриклассовых расстояний между объектами (см. п.

5.4.1), т. е. Р (з) = ,"~ Р» (О (д)), где д=! Р,(О(д))= ~ 1Х,— Х»Р. (10.4) х,. х,»о<»> Пусть Ы (О (4)) — статистический разброс класса О (4), У» — центр этого класса и и — число элементов в нем. Заметим, что Г (О(4)) = 2а И (О (и). Пусть классификация з относит данный объект Х с О к классу О (!). Положим О' (1) = О (1) Х .Непосредственно из формул (10.2) и (10.4) получаем: А(су, Х)=2(Н(0(су))+идфХ вЂ” Уч~а), если и-ь1 и Л (1, Х) = 2 (с((0' (1))+ (и, — 1) ~ Х вЂ” У; )а), где У) — центр класса 0' (1). Таким образом„процедуру перехода к новой классификации К (э, Х) можно в этом слу- чае описать следующим образом.

Дана выборка 0' == 0- Х, разбитая на классы 0' (д), д =- 1, ..., й, где 0' (д) = 0 (д), если д чь 1. Поступает на классификацию объект Х, не принадлежащий выборке О'. Рассчитываем для каждого класса 0' (д) его центр г", статистический разброс г1 (О' (д)) и число элементов л'. Ме- ру близости р (Х, 0' (г1)) между элементом Х и классом О' (д) задаем формулой: Р (Х, 0' (су)) =- а (О' (д)) +пе(Х вЂ” Уе)т.

(10.5) Тогда классификация К (з, Х) относит элемент Х к ближай- шему классу в смысле меры близости (10.5). Классификатор К (1О 3) применим и в случае, когда име- ется дополнительная информдция о допустимой принадлеж- ностиэлементов к классам, т е. имеетсяфункция гр: О-ь.2к (см. определение 10.!). Тогда, например в алгоритме рав- номерного распределения объектов классификатор К (з, Х) отнесет элемент Х к ближайшему из классов 0' (д), где д б ~р (Х) с: Л =- (1, ..., к). Рассмотренные выше классификаторы (10.1) и (10.3) действуют только в процедурах последовательного типах. Для построения классификатора в процедурах параллель- ного типа обычно используются функционалы г": Ло х 1.

-е. -ь Я' вида ~ч(Х, 1(,1)), 1 в [х) =е где Р (Х, 1(д)) описывает, насколько объект Х близок ядру 1(д), этом случае классификатор К можно взять в виде: К(а, 1, р)(Х) = /Ч= агош(пРч(Х, 1(9)), ХЕ Р (10.6) (з(Х). ХЕ р. Если функционал г ч (Х, г) не зависит от номера класса д, ' Точнее, только в процедурах последовательного типа можно гарантировать убывание глобального критерии г" (а) при переходе к навоз классификации, по форму,че: Р (з, 1) (д) = агц ш 1п Р (О (д), У).

уеуо П0,7) Таким образом, для вычисления значений О (з, 1) (д) дескриптора 0 необходимо применить некоторую процедуру минимизации функционала Р, (0(д), У) на Уо. Наибольшее распространение получили алгоритмы АК, в которых в качестве тс (О (д), У') используется статистический разброс класса 0 (д) относительно У ~ Уо, так как в этом случае удается получить явное решение задачи минимизации и заменить формулу (10.7) явной формулой расчета ядра д-го класса по элементам этого класса. П р и м е р 10.6. В алгоритме й-средних имеем Уо = =- ттр и тчч (О (д), д) = ~' ЦХ вЂ” Уц'.

ПоэтомУ хе о оп Р(з, 1)(д)= ~~)' Х. 1 (ч) 1 „ о оп П р и м е р 10.7. Опишем алгоритм типологического главного фактора (106). Пусть 0 —.- (Х„..., Х„) с: )ср и 2 = (1„, й). Ядро класса У описывается парой (У, о), Уб 1тр, в 61тр, |~о~~.— "1, а мерой близости от точки Х до ядра У =- (У, и) считается квадрат расстояния от точки Х до прямой, проходящей через точку У с направляющим вектором в, т. е. Р„(Х, У) =1(Х вЂ” У) — и' (Х вЂ” г') в~~.

(10.6) Допустим, что на и-м шаге алгоритма совокупность 0 разбита на й классов 0(1), ..., 0 (й). Статистический разброс то классификатор (10.6) совпадает с функцией назначения д: 7.-э-5о (см. $?.4). 10.1.6. Дескриптор Р. Эта компонента представляет собой оператор из 5о >, Е в 1., называемый дескриптором, поскол ьку с его помощью на основании предыдущего описания 1 выборки 0 и полученной классификации з„,~, вырабатывается новое, более оптимальное описание. Частным случаем оператора О является функция представительства 5о — э-+. й.

В алгоритмах АК, основанных на описании классов ядрами, оператор О строят исходя из функционала Р: 5 х ХŠ— «Р' вида Р(з, 1) = ~', Рч(0(д), 1(д)), ч=- ~ класса О (д) относительно г = (1', п) вычисляется по формуле: Ре(0(д), У) = ~г 1(Х вЂ” У) — о' (Х вЂ” У) о1г. (10.9) хе о оп й(инимиэируя функционал (10.9) на пространстве Ко = = (У =(У, о), )'Е Яе, об )ге, !!о!!=1), получаем, что Х) (э, 1), (д) =-: (У (д), и (д)), где У' (су) — центр класса 0 (д), о (д) — собственный вектор с наибольшим собственным значением ковариационной матрицы класса 0 (д), т.

е. главная компонента этого класса. На (т + 1)-м шаге этого алгоритма применяется классификатор (10.6), т. е. строится минимальное дистанционное разбиение, порождаемое набором ядер ((У' П), о (1)) ..., (У (й), и (й)) ) для меры близости (108). Алгоритм останавливается, если новое разбиение имеет тот же набор ядер, что предыдущее. 10.1.6. Основные понятия и определения, используемые при исследовании математической модели АК. Опираясь на материал п. 10.1 1 — 10.1.5, естественно дать следующие определения. О п р е дел е н и е 10.2.

Моделью алгоритма АК называется набор его компонент (Зо, 1., Р; К, Э, О), наделенных описанной выше структурой. Оп р едел е н не 10.3. Движением алгоритма, отвечающим начальным данным в, Е 5о, (г Е 1. и рг Е Р, называется последовательность (во 1о) (вг 1з) "' (э 1ы) где вт+1 = К (вы~ 1тв~ Рп5 1т+з = гг (вт+и (га)~ Рт+г = =- О (р, в +„1 +„т + 1). О п р е д е л е н и е 10.4. Алгоритм АК называется сходящимся, если для его движения (эм 1г), ..., (в, 1 ), ... последовательность описаний 1„..., 1,, сходится в метрике пространств 1.

к некоторому предельному описанию Алгоритм АК называется стабиливирующимся, если существует номер тю такой, что 1 = 1, для всех т ~ те. О п р е д е л е н и е 10.5. Функционал Р:5о х 1.-+ 1~ж называется интерпретирующим для модели ААК, если Р(з., 1,.)» Р(эта„1,.); (10.10) Р(вэь+д~ 1юю) » Р(эш+х 1ш+ю) (10.11) для всех т, начиная с некоторого т,.

Таким образом, если функционал Р рассматривать как меру потерь при задании выборки 0 в состоянии (классификации) э ее описанием 1, то неравенства (10.10) и (10.! 1) служат объяснением, почему от состояния в при фиксирован- 10.2. Базисная модель алгоритма АК, основанного на описании классов ядрамм Пусть Р а (Х, У) — некоторая мера близости между объектом Х и точкой )' пространства г'л, называемого пространством ядер 4-го класса.

Лля класса 0 (д) с: 0 и точки У саул определим меру близости Рл (О (и), )') формулой Р, (О (4), )') =,г Р,(Х, У). (10.12) Хво <а1 1О Заказ № 291 ном 1 переходим к состоянию з +, — — К (з, 1, р ) и от описания 1„, выборки 0 при фиксированном з +, переходим к 1 +, — — 0 (з„,+,, 1 ). Для данной модели алгоритма АК, очевидно, может существовать много интерпретирующих функционалов, причем роль их при исследовании данного алгоритма может быть различной П р и м е р 10.8. Рассмотрим алгоритм Форель (см. п. 7 2.1), выделяющий в выборке 0 =- (Х„..., Х„) ~ Р' несмещеннУю подвыбоРкУ Оа = (Х с 0: 1Х вЂ” г'а) ( г), где г — парамелр алгоритма, а à — центр класса О„который находится как результат стабилизации последователы ности описаний У„..., У При исследовании этого алгоритма используются два интерпретирующих функционала: Р,(0, У' )= ~ )Х вЂ” У' Р+гз(л — и ); хе о,„ Р,(0, У' )= э ЯХ вЂ” 1' зз — гз)= з К(1 йх — 1' й') хео .С,> га где ( ° )+ (.), если ( ) з О, и ( ° )+ — — О, если (.)( О.

Здесь 0 — класс, выделенный на т-м шаге алгоритма, У с Ка — описание класса (его центр) на этом шаге и л =- 10 Используя Р„получаем, что стабилизнруемость движения алгоритма Форель является следствием легкодоказываемой стабилизируемости движения алгоритма 2-средних (см. (41, 42)). В терминах Р, доказать стабилизируемость труднее (27), но зато, используя этот функционал, получаем, что предельное описание )'а является точкой локального максимума оценки плотности распределения случайного вектора по выборке 0 (см. $7.6).

О п р е д ел е н и е 10.6. Математическая модель АК, в которой 5о ~ (О- с), где л = (1, ..., й) — список имен классов, и классификатор задается формулой К...),„, (Ч=-йш пР,(Х 1(4'И Х~р =О („„) (з (Х), Хе р, а дескриптор — формулой О(з, 1) (д)= агд ш!и Гч(О(д), У), (10.14) е ч где с (О (у), У) имеет вид (10.12), называется базисной моделью алгоритма АК, основанного на описании классов ядрами. Далее для краткости эту модель алгоритма будем называть базисной моделью ядерного алгоритма. Опишем ядерный алгоритм, в модели которого мера близости г" ч (Х, У) между объектом Х и ядром д-го класса У зависит от дополнительной информации об этом классе. П р и м е р 10.9. Пусть О = (Х„. „, Х„) с:.

)1» — классифицируемая совокупность объектов и У= (У„..., У»)с: с:. 1«» — обучающая выборка, где У = (Уч»!, ..., У'„)— представители д-го класса, причем ~" пч «и и не исключач =- ! ется, что множества Уч для некоторых д пустые. Рассмотрим задачу разбиения выборки О на й классов. Так как обучающая выборка У мала, то применить обычные процедуры классификации при наличии обучающих выборок не представляется возможным. Для решения этой задачи можно рекомендовать алгоритм АК, описываемый базисной моделью ядерного алгоритма с г »ч Рч(Х, У)= чз ~!Уч! — Х))'-!- ) (Уч! — Х)», (10,15) 1=1 »= 1 где У = (У „..., У г ) — ядро д-го класса, составленное из точек пространств»1», а Тч — максимально возможное число вводимых эталонов в !Г-м классе, д = 1, ..., Й. Любой алгоритм АК, описываемый базисной моделью ядерного алгоритма, допускает две важные модификации.

Характеристики

Список файлов книги

Свежие статьи
Популярно сейчас
Как Вы думаете, сколько людей до Вас делали точно такое же задание? 99% студентов выполняют точно такие же задания, как и их предшественники год назад. Найдите нужный учебный материал на СтудИзбе!
Ответы на популярные вопросы
Да! Наши авторы собирают и выкладывают те работы, которые сдаются в Вашем учебном заведении ежегодно и уже проверены преподавателями.
Да! У нас любой человек может выложить любую учебную работу и зарабатывать на её продажах! Но каждый учебный материал публикуется только после тщательной проверки администрацией.
Вернём деньги! А если быть более точными, то автору даётся немного времени на исправление, а если не исправит или выйдет время, то вернём деньги в полном объёме!
Да! На равне с готовыми студенческими работами у нас продаются услуги. Цены на услуги видны сразу, то есть Вам нужно только указать параметры и сразу можно оплачивать.
Отзывы студентов
Ставлю 10/10
Все нравится, очень удобный сайт, помогает в учебе. Кроме этого, можно заработать самому, выставляя готовые учебные материалы на продажу здесь. Рейтинги и отзывы на преподавателей очень помогают сориентироваться в начале нового семестра. Спасибо за такую функцию. Ставлю максимальную оценку.
Лучшая платформа для успешной сдачи сессии
Познакомился со СтудИзбой благодаря своему другу, очень нравится интерфейс, количество доступных файлов, цена, в общем, все прекрасно. Даже сам продаю какие-то свои работы.
Студизба ван лав ❤
Очень офигенный сайт для студентов. Много полезных учебных материалов. Пользуюсь студизбой с октября 2021 года. Серьёзных нареканий нет. Хотелось бы, что бы ввели подписочную модель и сделали материалы дешевле 300 рублей в рамках подписки бесплатными.
Отличный сайт
Лично меня всё устраивает - и покупка, и продажа; и цены, и возможность предпросмотра куска файла, и обилие бесплатных файлов (в подборках по авторам, читай, ВУЗам и факультетам). Есть определённые баги, но всё решаемо, да и администраторы реагируют в течение суток.
Маленький отзыв о большом помощнике!
Студизба спасает в те моменты, когда сроки горят, а работ накопилось достаточно. Довольно удобный сайт с простой навигацией и огромным количеством материалов.
Студ. Изба как крупнейший сборник работ для студентов
Тут дофига бывает всего полезного. Печально, что бывают предметы по которым даже одного бесплатного решения нет, но это скорее вопрос к студентам. В остальном всё здорово.
Спасательный островок
Если уже не успеваешь разобраться или застрял на каком-то задание поможет тебе быстро и недорого решить твою проблему.
Всё и так отлично
Всё очень удобно. Особенно круто, что есть система бонусов и можно выводить остатки денег. Очень много качественных бесплатных файлов.
Отзыв о системе "Студизба"
Отличная платформа для распространения работ, востребованных студентами. Хорошо налаженная и качественная работа сайта, огромная база заданий и аудитория.
Отличный помощник
Отличный сайт с кучей полезных файлов, позволяющий найти много методичек / учебников / отзывов о вузах и преподователях.
Отлично помогает студентам в любой момент для решения трудных и незамедлительных задач
Хотелось бы больше конкретной информации о преподавателях. А так в принципе хороший сайт, всегда им пользуюсь и ни разу не было желания прекратить. Хороший сайт для помощи студентам, удобный и приятный интерфейс. Из недостатков можно выделить только отсутствия небольшого количества файлов.
Спасибо за шикарный сайт
Великолепный сайт на котором студент за не большие деньги может найти помощь с дз, проектами курсовыми, лабораторными, а также узнать отзывы на преподавателей и бесплатно скачать пособия.
Популярные преподаватели
Добавляйте материалы
и зарабатывайте!
Продажи идут автоматически
6361
Авторов
на СтудИзбе
310
Средний доход
с одного платного файла
Обучение Подробнее