Апостериорные алгоритмы распознавания квазипериодических последовательностей

• Автор: Кутненко, Ольга Андреевна
• Шифр специальности: 05.13.16
• Научная степень: Кандидатская
• Год защиты: 2000
• Место защиты: Новосибирск
• Количество страниц: 126 с. : ил.

1.1. Содержательная постановка задачи

1.2. Специфика задачи классификация .

1.3. Особенности задачи обучения .

1.4. Выводы .

Глава 2. Классификация квазипериодических

последовательностей.

Введение

2.1. Постановка задачи.

2.2. Задача классификации последовательности как задача проверки гипотез о среднем.

2.3. Функция правдоподобия и целевая функция .

2.4. Алгоритм совместного распознавания и обнаружения

2.5. Временная и емкостная сложность алгоритма
2.6. Границы вероятности ошибки распознавания .
2.7. Численное моделирование я анализ результатов .
2.8. Выводы.
Глава 3. Восстановление подпоследовательности по
квазипериодическим данным.
Введение
3.1. Постановка задачи
3.2. Ограничения на число полных импульсов в анализируемом кадре .
3.3. Критерий решения задачи обучения .
3.4. Алгоритм обучения при заданном числе импульсов .
3.5. Временная и емкостная сложность алгоритма обучения при заданном числе импульсов .
3.6. Алгоритм обучения при неизвестном числе импульсов
3.7. Временная и емкостная сложность алгоритма обучения при неиэвестиом числе импульсов
3.8. Численное моделирование
3.9. Выводы
Глава 4. Применение разработанных алгоритмов к решению некоторых задач автоматической обработки
сигналов.
Введение
4.1. Очистка речевых сигналов от квазипериодической помехи.
4.1.1. Постановка задачи
4.1.2. Критерий решения задачи
4.1.3. Алгоритм очистки
4.1.4. Экспериментальные результаты.
4.2. Инструментальная система для обработки и анализа речевых сигналов.
4.2.1. Краткое описание системы
4.2.2. Разметка маркировка речевых сигналов . . .
4.3. Выводы
Заключение
Приложение 1. Результаты численного моделирования к
главе 2 . . .
Приложение 2. Акт о внедрения результатов работы
Литература


Кроме того, имеется большая группа работ см. Приведенная классификация не претендует на полноту, однако дает представление о возможных постановках, методах и алгоритмах решения задач о разладке. Наиболее близкими по постановке к решаемой задаче является класс задач обнаружения, в которых априорная информация о моментах изменения свойств временного ряда задается детерминированным способом , , , , , 0. По имеющимся данным на настоящее время в атом классе отсутствуют задачи, при постановке которых предполагается, что разладка носит квазнпериодический характер, В известных работах нэ этого класса анализируются ситуации, когда на моменты времени изменения свойств временного ряда в явном виде не накладывается никаких ограничений. При этом обычно рассматриваются либо задачи об одиночном изменении свойств последовательности , , , , либо так называемые задачи о многократной разладке , , , , 0. Введение условия квазипернодичноеги на моменты изменения свойств временного ряда естественным образом приводит к новым, ранее неизученным, задачам обнаружения в каждом из упомянутых выше классов. Решение большинства из этих задач пока не найдено, а эффективные вычислительные алгоритмы для их решения на настоящий момент не построены. Таким образом, чтобы воспользоваться первым подходом для решения задачи классификации квазипериодических последовательностей, необходимо найти решение задачи о к вази пери одической разладке, а затем воспользоваться стандартными процедурами проверки статистических гипотез.