Адаптивная модель распознавания образов для решения задач классификации в условиях неопределенности

Адаптивная модель распознавания образов для решения задач классификации в условиях неопределенности

Автор: Кувшинов, Борис Михайлович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2004

Место защиты: Челябинск

Количество страниц: 210 с. ил.

Артикул: 2628741

Автор: Кувшинов, Борис Михайлович

Стоимость: 250 руб.

ОГЛАВЛЕНИЕ
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ.
ВВЕДЕНИЕ.
1 ИССЛЕДОВАНИЕ СОСТОЯНИЯ ЗАДАЧИ РАСПОЗНАВАНИЯ ОБРАЗОВ. .
1.1 Место методов распознавания образов в задачах оценивания и управления
1.2 Общая постановка задачи распознавания.
1.2.1 Типы решаемых задач
1.2.2 Типы обрабатываемой информации.
1.3 Концепция обучения.
1.4 Классы алгоритмов распознавания
1.4.1 Структура алгоритмов распознавания.
1.4.2 Способы задания распознающих операторов
1.5 Коллективные решающие правила
1.5.1 Логическая и геометрическая интерпретация комитетов в задаче распознавания образов
1.5.2 Критерии оптимальности коллективных решающих правил
1.5.3 Алгоритмы построения комитетов.
1.6 Цель и задачи диссертационного исследования
2 МОДЕЛЬ АДАПТАЦИИ КЛАССИФИКАТОРА К ИСТОЧНИКУ АПРИОРНОЙ ИНФОРМАЦИИ
2.1 Формы представления обучающей информации и ее неопределенности в задаче распознавания.
2.2 Организация процесса адаптации.
2.3 Преобразование коррекции обучающей информации
2.4 Преобразование коррекции матрицы алгоритмических оценок параметра качества
Выводы
3 АЛГОРИТМЫ ПОСТРОЕНИЯ АДАПТИВНОГО КЛАССИФИКАТОРА
3.1 Выбор меры несогласованности алгоритмических оценок для
кусочнолинейных комитетных решающих правил.
3.2 Алгоритм адаптации комитетного решающего правила к априорной
классификации.
3.2.1 Базовая операция изменения рангов объектов
3.2.2 Организация итерационного процесса перемещения комитета
0 в пространстве параметров состояния
3.2.3 Использование эвристических процедур при поиске решающего правила
3.2.4 Алгоритм линейной коррекции для проверки линейной разделимости множеств.
3.2.5 Анализ сходимости итерационного процесса
3.3 Алгоритм адаптивной кластеризации для построения немонотонной
0 меры близости в пространстве параметров состояния.
3.3.1 Связь с проблемой неопределенности априорной информации.
3.3.2 Алгоритм кластеризации
Выводы
4 ОРГАНИЗАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ АПРИОРНОЙ ИНФОРМАЦИИ РАЗЛИЧНЫХ
ВИДОВ.
4.1 Задача дискриминантного анализа.
Ф 4.2 Выбор информативных параметров состояния
4.3 Схемы построения системы распознавания при решении задач
классификации
4.4 Проверка работоспособности алгоритмов на модельных примерах
4.4.1 Базовый алгоритм адаптации.
4.4.2 Алгоритм решения задачи дискриминантного анализа.
4.4.3 Алгоритм кластеризации.
Выводы.
5 ЧИСЛЕННОЕ РЕШЕНИЕ ЗАДАЧ КЛАССИФИКАЦИИ НА ОСНОВЕ АЛГОРИТМОВ АДАПТАЦИИ.
5.1 Задача контроля качества кристаллов искусственного кварца.
5.1.1 Постановка задачи неразрушающего контроля качества
5.1.2 Организация системы распознавания.
5.1.3 Результаты работы системы распознавания
5.2 Задача оценивания тяжести гипертрофической кардиомиопатии
5.2.1 Постановка задачи оценивания
5.2.2 Организация системы распознавания.
5.2.3 Классификация объектов обучающей выборки
5.2.4 Выбор информативного подпространства и построение решающих правил
Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА


При этом важно учитывать, что сложные системы распознавания, в общем случае, состоят не только из совокупности технических средств получения и переработки информации, но также и из групп высококвалифицированных специалистов (ЛПР), предназначенных для анализа промежуточных решений подзадач распознавания и выходных решений системы управления (оценивания). Можно выделить следующие особенности многоуровневых систем, позволяющих им выступать в качестве универсальных систем распознавания образов. Во-первых, характер связей системы распознавания с другими распознающими устройствами (или с другими элементами системы управления) может быть самым различным, т. Это означает интерактивный характер взаимодействия системы распознавания с объектами, включенными в систему управления. Во-вторых, в качестве распознающего устройства могут выступать эксперты. Это дает возможность, с одной стороны, постепенно увеличивать качество работы системы распознавания, привлекая все новые и новые знания экспертов, в том числе неформализованные. С другой стороны, появляется возможность "дообучения" самих экспертов. Тогда система распознавания становится источником новых знаний в той прикладной области, в которой она применяется. В силу этих двух обстоятельств, понятие системы распознавания образов в последнее время стало рассматриваться шире, чем ранее. Рис. Структура решения задачи оценивания (управления), соответствующая изложенным принципам, представлена на рис. Система распознавания образов приобретает динамические свойства: ее параметры могут изменяться непосредственно в ходе функционирования в составе системы управления. При этом методы распознавания должны обеспечивать использование всех указанных видов информации, в том числе ее уточнение в условиях неполноты и проти воречивости. В общем случае задача распознавания образов может быть определена следующим образом. Выбран словарь параметров, т. Этот словарь до начала функционирования системы является, как правило, избыточным, т. Принципиально возможно создание технических средств, обеспечивающих определение значений всех параметров из словаря у существующих объектов. Необходимо задать алгоритмы обработки информации, поступающей на вход системы распознавания, и выдачи управляющих сигналов другим элементам системы управления такие, что решения о принадлежности объектов классам обеспечат наиболее эффективное их использование системой управления в целом. В основе отнесения объектов к классам лежит получение некоторых агрегированных оценок состояний системы на основе предоставленного описания состояния объектов. Л - множество допустимых значений для а, у(а,1°) - агрегированные оценки объектов, Я -функционал, определяющий потери при переходе от использования полного набора информации Г1 к агрегированным оценкам V, V - конечное множество допустимых значений для V. В ходе функционирования системы распознавания, как следует из постановки задачи, генерируемые ею управляющие сигналы могут изменить алфавит классов, словарь параметров. Такая общая постановка задачи может быть разбита на отдельные подзадачи только в том случае, если рассматривать систему распознавания статически, не учитывая влияния решения одной подзадачи на решения других подзадач. Тем не менее, это необходимо, чтобы конкретизировать возможные постановки задачи распознавания. Наибольшее распространение в литературных источниках получили классификации систем распознавания по типам решаемых задач [, , ]. При определении и классификации задач распознавания в этом случае рассматриваются свойства априорной информации, используемой в процессе распознавания. Понятия задач дискриминантного, факторного, кластерного анализа, выбора информативной подсистемы признаков, были использованы в работах таких авторов как Дж. Ту, Р. Гонсалес, А. Фор, Э. Диде, Р. Дуда, П. Харт, К. Фу, А. Л.Горелик, Я. З.Цыпкин, И. Б.Гуревич, В. Н.Вапник, А. Я.Червоненкис, А. Г.Ивахненко, Г. С.Себастиан, и отражены в современных исследованиях по распознаванию образов. Другой способ определения задач распознавания заключается в определении типов информации о признаках изучаемых объектов [, ]: рассматриваются логические (в т. В течение последних лет был также предпринят ряд попыток построения общей теории распознавания. В работах Ю. И.Журавлева [-], У.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.244, запросов: 244