Методы решения задач распознавания образов комбинированного типа

• Автор: Борисова, Ирина Артемовна
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2008
• Место защиты: Новосибирск
• Количество страниц: 121 с. : ил.

Содержание
Введение.
Глава 1. Формулировка задач распознавания образов основного и комбинированного типов с кратким обзором существующих подходов к их решению.

1.1. Задачи распознавания образов основных типов

1.1.1. Формулировка задачи построения решающего правила

1.1.2. Формулировка задачи таксономии

1.1.3. Формулировка задачи выбора системы информативных признаков.

1.2. Задачи распознавания образов комбинированного типа.

1.2.1. Построение решающего правила выбор признаков ОХ.

1.2.2. Таксономиявыбор признаков БХ.

1.2.3. Таксономия построение решающего правила

1.2.4. Таксономияраспознаваниевыбор признаков Х
Выводы по первой главе
Глава 2. Функция конкурентного сходства в задаче БХ.
2.1. Функция конкурентного сходства.
2.2. Реальная и случайная информативность в задаче ОХ.
2.2.1. Эффект псевдоинформативности в задаче ОХ
2.2.2. Сравнение критериев информативности.
2.2.3. Оценка неслучайности выбранных подсистем
2.2.4. Проверка на реальных данных.
2.3. Целесообразность и эффективность применения аппарата РШБфункций
в задаче ОХ.
2.3.1 Построение решающего правила алгоритмом ИУЭЗЫр
2.3.2. Оценка надежности распознавания конкретных объектов.
2.3.3. Алгоритм i в задаче ОХ.
Выводы по второй главе
Глава 3. Использование функций конкурентного сходства при решении задачи ЭБ
3.1. Редуцированная функция конкурентного сходства.
3.2. Алгоритм БШвТах
3.2.1 Кластеризация этап ГШ8С1иБ1ег
3.2.2. Построение классификации этап ИИЗОаББ.
3.2.3. Выбор оптимального числа таксонов
3.3. Примеры работы алгоритма
3.4. Экспериментальная проверка алгоритма ИНвТах, сравнение с
существующими аналогами
Выводы по третьей главе
Глава 4. Задача естественной классификации и се связь с задачей комбинированного типа ЭХ.
4.1. Дискуссионная природа термина естественная классификация
4.2. Специфические свойства естественных классификаций.
4.3. Формулировка задачи построения естественной классификации
в терминах задач комбинированного типа.
4.3.1 Критерий качества в задаче естественной классификации
4.3.2 Алгоритм ПагСББ
4.4. Иерархическая таксономия
4.4.1. Иерархический ЫаЮаББ.
4.4.2. Другие возможные подходы к построению
иерархической естественной классификации
4.5. Экспериментальная проверка эффективности алгоритма Ыа1С1аББ.
4.6. Связь РШ8функции и предсказательной способности таксономии.Г.
Выводы по четвертой главе
Глава 5. Использование КШЭ функции для решения задачи ЭБХ
5.1. Формальная постановка задачи ББХ.
5.1.1. Формулировка задачи 8БХ в терминах ГРлБфункций.
5.2. Алгоритм отыскания решения задачи 8 ОХ.
5.3.Иерархическая классификация.
5.3.1. Алгоритм решения иерархической задачи Х.
5.4. Экспериментальная проверка.
Выводы по пятой главе.
Заключение
Список литературы


Задача БВХ считается сложной и общего подхода к ее решению не существует. Прежде чем приступить к решению этой задачи, мы рассмотрим более простые задач комбинированного типа 8Х, DX) , в каждой из которых одновременно используются два из трех описанных выше приема упрощения информации []. Это позволит нам создать необходимый фундамент для решения задачи Х непосредственно. Именно задачи распознавания образов комбинированного типа являются основными объектами исследования в данной работе. Цель работы. В отличии от задач основных типов, алгоритмов и методов решения задач комбинированного типа имеется относительно немного, по большей части они разработаны для частных случаев и оказываются эффективными лишь при выполнении ряда дополнительных требований к исходным данным. В связи с этим целью данной работы является разработка системы согласованных и универсальных алгоритмов для решения задач комбинированного типа. Основные направления исследований. Требование согласованности алгоритмов здесь оказывается очень важным. Для его выполнения необходимо иметь единый базис для решения всех задач. В этой работе таким базисом стали функции конкурентного сходства (РШЗ-функции) []. РШ8-функция оказывается при этом особенно эффективной, так как она моделирует психофизиологические особенности человеческого восприятия при оценке близости между объектами. Методы исследований Помимо имитационного моделирования для решения задач распознавания образов комбинированного типа привлекается аппарат методов оптимизации и математическая статистика. Научная новизна исследования состоит в том, что к решению задач комбинированного типа привлекается принципиально новый подход, основанный на функциях конкурентного сходства. А универсальность и эффективность алгоритмов, полученных в рамках данного исследования, обеспечивают его практическую значимость. Именно задачам комбинированного типа, их связям с естественно-человеческой методологией познания, методам решения этих задач, анализу возможностей алгоритмов комбинированного типа, и областям их применения посвящена данная диссертация. В рамках исследования применимости РШБ-функций показана их эффективность в качестве критерия информативности при решении задачи одновременного построения решающего правила и выбора наиболее информативного подпространства признаков. Предложена методика оценки надежности получаемых информативных систем признаков, их «неслучайности». Также предложена методика оценки надежности распознавания каждого нового объекта при использовании решающих правил, полученных с помощью алгоритма РИй-Б^р. Разработан алгоритм РШв-Тах для решения задачи комбинированного типа - одновременного построения таксономии и решающего правила, ее описывающего. Установлена связь между задачей построения «естественной» классификации и одной из задач распознавания образов комбинированного типа - задачей построения таксономии с одновременным выбором наиболее информативного подпространства признаков. Для решения данной задачи разработан алгоритм ЫаКШаБЗ. БПХ — задача одновременного построения таксономии и решающего правила для ее описания в наиболее информативном признаковом пространстве. Предложена методика ее решения, позволяющая максимально структурировать массивы данных в случае отсутствия какой бы то ни было дополнительной информации относительно природы этих данных. Большая часть разработок включена в пакет сервисных программ, автоматизирующих работу человека эксперта при анализе спектров образцов различных материалов для целей криминалистики. Достоверность и обоснованность предлагаемых решений подтверждается результатами применения предложенных алгоритмов как к модельным, так и к реальным задачам различной природы. Практическая ценность работы состоит в том, что практика использования разработанных алгоритмов для задач с плохо обусловленными данными показывает их более высокую эффективность по сравнению с существующими аналогами. Кроме того предложенные алгоритмы позволяют имитировать действия человека при анализе информации.