Комаров_942 (1231763), страница 2

Просмтор этого файла доступен только зарегистрированным пользователям. Но у нас супер быстрая регистрация: достаточно только электронной почты!

Текст из файла (страница 2)

- методы, основанные на принципе разделения;

- статистические методы;

- методы, построенные на основе «потенциальных функций»;

- методы вычисления оценок (голосования);

- методы, основанные на исчислении высказываний, в частности на аппарате алгебры логики.

В основе данной классификации лежит разли

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

чие в формальных методах распознавания образов и поэтому опущено рассмотрение эвристического подхода к распознаванию, получившего полное и адекватное развитие в экспертных системах. Эвристический подход основан на трудно формализуемых знаниях и интуиции исследователя. При этом исследователь сам определяет, какую информацию и каким образом система должна использовать для достижения требуемого эффекта распознавания.

Подобная типология методов распознавания с той или иной степенью детализации встречается во многих работах по распознаванию. В то же время известные типологии не учитывают одну очень существенную характеристику, которая отражает специфику способа представления знаний о предметной области с помощью какого-либо формального алгоритма распознавания образов.

Выделяют два основных способа представления знаний:

- интенсиональное, в виде схемы связей между атрибутами (признаками).

- экстенсиональное, с помощью конкретных фактов (объекты, примеры).

Интенсиональное представление фиксируют закономерности и связи, которыми объясняется структура данных. Применительно к диагностическим задачам такая фиксация заключается в определении операций над атрибутами (признаками) объектов, приводящих к требуемому диагностическому результату. Интенсиональные представления реализуются посредством операций над значениями атрибутов и не предполагают произведения операций над конкретными информационными фактами (объектами).

В свою очередь, экстенсиональные представления знаний связаны с описанием и фиксацией конкретных объектов из предметной области и реализуются в операциях, элементами которых служат объекты как целостные системы.

Можно провести аналогию между интенсиональными и экстенсиональными представлениями знаний и механизмами, лежащими в основе деятельности левого и правого полушарий головного мозга человека. Если для правого полушария характерна целостная прототипная репрезентация окружающего мира, то левое полушарие оперирует закономерностями, отражающими связи атрибутов этого мира [2].

Описанные выше два фундаментальных способа представления знаний позволяют предложить следующую классификацию методов распознавания образов:

- интенсиональные методы, основанные на операциях с признаками.

- экстенсиональные методы, основанные на операциях с объектами.

Необходимо особо подчеркнуть, что существование именно этих двух (и только двух) групп методов распознавания: оперирующих с признаками, и оперирующих с объектами, глубоко закономерно. С этой точки зрения ни один из этих методов, взятый отдельно от другого, не позволяет сформировать адекватное отражение предметной области. По мнению авторов, между этими методами существует отношение дополнительности в смысле Н.Бора, поэтому перспективные системы распознавания должны обеспечивать реализацию обоих этих методов, а не только какого-либо одного из них.

Таким образом, в основу классификации методов распознавания, положены фундаментальные закономерности, лежащие в основе человеческого способа познания вообще, что ставит ее в совершенно особое (привилегированное) положение по сравнению с другими классификациями, которые на этом фоне выглядят более легковесными и искусственными.

1.2.1 Интенсиональные методы

Отличительной особенностью интенсиональных методов является то, что в качестве элементов операц

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

ий при построении и применении алгоритмов распознавания образов они используют различные характеристики признаков и их связей. Такими элементами могут быть отдельные значения или интервалы значений признаков, средние величины и дисперсии, матрицы связей признаков и т. п., над которыми производятся действия, выражаемые в аналитической или конструктивной форме. При этом объекты в данных методах не рассматриваются как целостные информационные единицы, а выступают в роли индикаторов для оценки взаимодействия и поведения своих атрибутов.

Группа интенсиональных методов распознавания образов обширна, и ее деление на подклассы носит в определенной мере условный характер.

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

1.2.2 Методы, основанные на оценках плотностей распределения значений признаков

Эти методы распознавания образов заимствованы из классической теории статистических решений, в которой объекты исследования рассматриваются как реализации многомерной случайной величины, распределенной в пространстве признаков по какому-либо закону. Они базируются на байесовской схеме принятия решений, апеллирующей к априорным вероятностям принадлежности объектов к тому или иному распознаваемому классу и условным п

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

лотностям распределения значений вектора признаков. Данные методы сводятся к определению отношения правдоподобия в различных областях многомерного пространства признаков.

Группа методов, основанных на оценке плотностей распределения значений признаков, имеет прямое отношение к методам дискриминантного анализа. Байесовский подход к принятию решений и относится к наиболее разработанным в современной статистике так называемым параметрическим методам, для которых считается известным аналитическое выражение закона распределения (в данном случае нормальный закон) и требуется оценить лишь небольшое количество параметров (векторы средних значений и ковариационные матрицы).

Основными трудностями применения указанных методов считаются необходимость запоминания всей обучающей выборки для вычисления оценок локальных плотностей распределения вер

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

оятностей и высокая чувствительность к непредставительности обучающей выборки.

1.2.3 Методы, основанные на предположениях о классе решающих функций

В данной группе методов считается известным общий вид решающей функции и задан функционал ее качества. На основании этого функционала по обучающей последовательности находят наилучшее приближение решающей функции. Самыми распространенными являются представления решающих функций в виде линейных и обобщенных нелинейных полиномов. Функционал качества решающего правила обычно связывают с ошибкой классификации. Основным достоинством методов, основанных на предположениях о классе решающих функций, является ясность математической постановки задачи распознавания, как задачи поиска экстремума. Многообразие методов этой группы объясняется широким спектром используемых функционалов качества решающего правила и алгоритмов поиска экстремума. Обобщением рассматриваемых алгоритмов, к которым относятся, в частности, алгоритм Ньютона, алгоритмы персептронного типа и др., является метод стохастической аппроксимации.

Возможности градиентных алгоритмов поиска экстремума, особенно в группе линейных решающих правил, достаточно хорошо изучены. Сходимость этих алгоритмов доказана только для случая, когда распознаваемые классы объектов отображаются в пространстве признаков компактными геометрическими структурами.

Достаточно высокое качество решающего правила может быть достигнуто с помощью алгоритмов, не имеющих строгого математического доказательства сходимости решения к глобальному экстремуму. К таким алгоритмам относится большая

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

группа процед

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

ур эвристического программирования, представляющих направление эволюционного моделирования. Эволюционное моделирование является бионическим методом, заимствованным у природы. Оно основано на использовании известных механизмов эволюции с целью замены процесса содержательного моделирования сложного объекта феноменологическим моделированием его эволюции. Известным представителем эволюционного моделирования в распознавании образов является метод группового учета аргументов (МГУА). В основу этого метода положен принцип самоорганизации, и алгоритмы МГУА воспроизводят схему массовой селекции.

Однако достижению практических целей в данном случае не сопутствует извлечение новых знаний о природе распознаваемых объектов. Возможность извлечения этих знаний, в частности знаний о механизмах взаимодействия атрибутов (признаков), здесь принципиально ограничена заданной структурой такого взаимодействия, зафиксированной в выбранной форме решающих функций.

1.2.4 Логические методы

Л

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

огические методы распознавания образов базируются на аппарате алгебры логики и позволяют оперировать информацией, заключенной не только в отдельных признаках, но и в сочетаниях значений признаков. В этих методах значения какого-либо признака рассматриваются как элементарные события.

В самом общем виде логические методы можно охарактеризовать как разновидность поиска по обучающей выборке логических закономерностей и формирование некоторой системы

Параметр length. Данный параметр ограничивает минимально допустимую длину границ в пикселях. Как правило, короткие рёбра не очень надёжны и могут быть результатом зашумления изображений. Целесообразно ограничить минимальную длину границ, как при обучении, так и при анализе. Данный параметр может принимать значения от 0 и до бесконечности. Параметр 0 означает, что минимальная длина границ неограниченна. По умолчанию используется значение 50.

логических решающих правил (например, в виде конъюнкций элементарных событий), каждое из которых имеет собственный вес. Группа логических методов разнообразна и включает методы различной сложности и глубины анализа. Для дихотомических (булевых) признаков популярными являются так называемые древообразные классификаторы, метод тупиковых тестов, алгоритм «Кора» и др.

Алгоритм «Кора», как и другие логические методы распознавания образов, является достаточно трудоемким в вычислительном отношении, поскольку при отборе конъюнкций необходим полный перебор. Поэтому при применении логических методов предъявляются высокие требования к эффективной организации вычислительного процесса, и эти методы хорошо работают при сравнительно небольших размерностях пространства признаков и только на мощных компьютерах.

Характеристики

Список файлов ВКР