+
Действующая цена700 499 руб.
Товаров:
На сумму:

Электронная библиотека диссертаций

Доставка любой диссертации в формате PDF и WORD за 499 руб. на e-mail - 20 мин. 800 000 наименований диссертаций и авторефератов. Все авторефераты диссертаций - БЕСПЛАТНО

Расширенный поиск

Деревья решений в задачах распознавания образов

  • Автор:

    Алхасан Муса Мухамед

  • Шифр специальности:

    05.13.16

  • Научная степень:

    Кандидатская

  • Год защиты:

    1998

  • Место защиты:

    Санкт-Петербург

  • Количество страниц:

    216 с.

  • Стоимость:

    700 р.

    499 руб.

до окончания действия скидки
00
00
00
00
+
Наш сайт выгодно отличается тем что при покупке, кроме PDF версии Вы в подарок получаете работу преобразованную в WORD - документ и это предоставляет качественно другие возможности при работе с документом
Страницы оглавления работы

СОДЕРЖАНИЕ
ВВЕДЕНИЕ
ГЛАВА 1. АЛГОРИТМЫ РАСПОЗНАВАНИЯ ОБРАЗОВ НА
ОСНОВЕ ДЕРЕВЬЕВ РЕШЕНИЙ
1.1. Качественное описание задачи распознавания образов
1.2. Формальное описание задачи распознавания образов
1.3. Основные задачи распознавания образов
1.4. Методы построения решающих правил в задачах
распознавания
1.4.1. Статистические методы
1.4.2. Детерминистский подход
1.4.3. Нечеткие методы
1.5. Деревья решений в задачах распознавания образов
1.5.1. Деревья решений на основе логических решающих правил
1.5.2. Метод обучения на основе построения миноров-эталонов и его использования для построения деревьев решений
1.5.2.1. Алгоритм обучения
1.5.2.2. Представление решающего правила, алгоритма “Геконал” в виде
дерева решения
1.5.3. Деревья решений в задаче построения многоклассовых решающих правил
1.5.4. Применения деревьев решений в задачах разработки обучаемых экспертных систем
1.5.5. Обучение на примерах и деревья решений
1.6. Выводы
ГЛАВА 2. ДЕРЕВЬЯ РЕШЕНИЙ НА ОСНОВЕ
ГРАФ-СХЕМ И ИХ СВОЙСТВА
2.1. Алгоритм построения
2.2. Граф-схемы на основе бинарных признаков
2.3. Классифицирующие свойства бинарной граф-схемы
2.4. Распознавание с помощью граф-схем
2.5. Устранения неопределенности методом расширения
обучающей выборки
2.6. Идея бинаризации признаков
2.6.1. Линейно-упорядоченные признаки
2.6.2. Граф-схема как наилучшее продолжение для случая линейно-упорядоченных признаков
2.6.3. Монотонность граф-схемы
2.6.4. Пример построения граф-схемы
2.6.5. Методы представления признаков при формировании граф-схем
2.6.6. Использование деревьев решений на основе граф-схем в задаче автоматического построение базы знаний экспертной системы
2.7. Выводы
ГЛАВА 3. НЕЧЕТКИЕ ДЕРЕВЬЯ РЕШЕНИЙ НА ОСНОВЕ
ГРАФ-СХЕМ
3.1. Нечеткие события, классы и признаки
3.2. Пространство нечетких признаков
3.3. Условные вероятности нечетких событий
3.4. Признаки нечетких событий
3.5. Пространство классов
3.6. Задача нечеткого обучения в распознавании
образов
3.7. Нечеткие граф-схемы
3.8. Алгоритм построения нечеткой граф-схемы
3.9. Пример построения нечеткой граф-схемы
возможностей
3.10. Выводы
ГЛАВА 4. ПРОГРАММНЫЕ СРЕДСТВА ДЛЯ РАБОТЫ С
ДЕРЕВЬЯМИ РЕШЕНИЙ
4.1. Общее описание системы распознавания “GRAF”
4.1.1. Обоснование выбора языка реализации
4.1.2. Вопросы реализации
4.1.3. Структура системы распознавания образов “GRAF”
4.1.4. Описание модуля CONVERT
4.1.5. Описание модуля SYSTEM
4.1.6. Описание модуля GRAPH
4.1.7. Описание модуля LOGIC
4.1.8. Работа с программной системы “GRAF”
4.2. Система автоматического приобретения знаний для
экспертной системы “ЭСТЕР” на основе программы
“GRAF”
4.2.1. Основные характеристики экспертной системы
“ЭСТЕР”

знавания. В этом случае для принятия решения следует применить иные методы или доверить его вынесение человеку, который должен использовать при этом вычисленные значения принадлежности.
Нечеткие классификации такого рода можно использовать в кластерном анализе при формировании критерия выделения кластеров. В этом, как и во многих других случаях, теория нечетких множеств применяется для получения гибкого и исчерпывающего описания реально используемой стратегии.
1.5. Деревья решений в задачах распознавания образов [20,56,57,65].
Хотя понятия и можно определять путем задания множества описаний, часто оказывается более удобным представлять понятия в виде последовательности проверок значений признаков. Чтобы показать это на примере, предположим, что всех людей, обращающихся за удостоверениями на право вождения автомобиле, можно описать с помощью следующих признаков: пол (мужской, женский), возраст (молодой, совершеннолетний, средний, пожилой), судимость (к суду не привлекался, привлекался по мелкому делу, совершил тяжкое преступление), водительские навыки(сдал экзамен, не сдал экзамен). Правило присвоения квалификации состоит в следующем: (Любое лицо, которое не совершило тяжкого преступления и сдало соответствующий экзамен, получает официальный статус ’’водителя”) . Понятие (водитель, имеющий права) представляется в виде:
(мужчина, молодой совершеннолетний, не привлекавшийся к суду, сдавший экзамен), (мужчина, молодой совершеннолетний, привлекавшийся по мелкому делу, сдавший экзамен),
(женщина, пожилая привлекавшаяся по мелкому делу, сдавшая экзамен).

Рекомендуемые диссертации данного раздела

Время генерации: 0.193, запросов: 967