Поиск информативных фрагментов описаний объектов в задачах распознавания

• Автор: Песков, Николай Владимирович
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Москва
• Количество страниц: 102 с. : ил.

Оглавление
ВВЕДЕНИЕ
1 Модели дискретных логических процедур распознавания, основанные на построении покрытий классов

1.1 Основные определения

к 1.2 Классическая модель голосования по представительным наборам

1.3 Модели голосования по антипредставительным наборам и

но покрытиям класса .

2 Методы повышения эффективности дискретных процедур распознавания

2.1 Методы оценки информативных характеристик обучающей

выборки

2.2 Выделение типичных объектов в классе для задач распо

знавания. Разбиение обучающей выборки на базовую и контрольную
2.3 Быстрый метод вычисления оценок при голосовании по
представительным наборам для процщурь скользящего
контроля.
3 Метрические свойства множества сгпокрытий целочисленной матрицы
3.1 Основные определения.
3.2 Асимптотика типичных значений числа апокрытий и ти
пичной длины стпокрытия
3.3 Асимптотика типичных значений числа сгподматриц и порядка аподматрицм в случае большого числа строк . .
4 Конструирование дискретных процедур распознавания с использованием аппарата логических функций
4.1 Связь задач построения множества элементарных класси
фикаторов, построения нормальных форм логических с функций и поиска покрытий целочисленных матриц . .
4.2 Метрические свойства дизъюнктивных нормальных форм
двузначных логических функций, определенных на кичпых пмерных наборах
5 Апробация предложенных методов на реальных задачах
5.1 Решение задач прогнозирования результатов лечения онкозаболеваний
5.2 Оценка важности признаков в задаче анализа результатов
социологического опроса.
ЗАКЛЮЧЕНИЕ.
Литература


В. Дюковой и A. A. Андреева [1-3, -, , , -). При этом вопросам качества распознавания не уделялось достаточного внимания. Укажем некоторые проблемы, от решения которых зависит результат распознавания. При построении классических дискретных процедур вводится понятие элементарного классификатора. Под элементарным классификатором понимается фрагмент описания обучающего объекта. Для каждого класса строится некоторое множество элементарных классификаторов с заранее заданными свойствами и, как правило используются элементарные классификаторы, которые встречаются в описаниях объектов одного класса и не встречаются в описаниях объектов других классов, т. С другой стороны, наборы значений признаков, не встречающиеся в описании ни одного из обучающих объектов класса, характеризуют все объекты данного класса и с этой точки зрения являются более информативными. Поэтому актуальным является вопрос конструирования распознающих процедур, основанных на принципе «нсвстречаемости» наборов из допустимых значений признаков. Одной из центральных проблем является наличие шумящих признаков, т. В частности, шумящими являются признаки, принимающие много значений. Такие признаки порождают очень большое число фрагментов, встречающихся только в одном классе, и с формальной точки зрения являющихся информативными. Однако, каждый из указанных фрагментов крайне редко встречается и в том классе, который он представляет, поэтому про него нельзя сказать, что он являются значимым. Другая проблема - наличие в обучающей выборке объектов, лежащих на границе между классами. Каждый такой объект не являются итшшчным"для своего класса, поскольку его описание похоже на описания объектов из других классов. Наличие нетипичных объектов увеличивает длину фрагментов, различающих объекты из разных классов. Длинные фрагменты реже встречаются в новых объектах, тем самым увеличивается число нераспознанных объектов. Необходимость построения эффективных реализаций для дискретных процедур распознавания напрямую связана и с вопросами изучения метрических (количественных) свойств множества информативных фрагментов. Важными задачами являются задачи оценки числа покрытий булевых и целочисленных матриц и числа допустимых и максимальных конъюнкций логических функций. Основной цслыо диссертационной работы является разработка новых, эффективных в вычислительном плане, подходов к конструированию распознающих процедур дискретного характера, позволяющих повысить качество распознавания и в определенной степени решить указанные выше проблемы. В диссертационной работе введено понятие элементарного классификатора более общего вида-, что позволило построить модели основанные на принципе «невстречаемости» набора из допустимых значений признака в описаниях рассматриваемых объектов. А именно предложены две новые модели алгоритмов: алгоритм голосования по ан-тииредставительным наборам и алгоритм голосования по покрытиям классов. Практические эксперименты показали, что в определенных случаях данные алгоритмы имеют преимущество перед классическим алгоритмом голосования по представительным наборам. Разработаны подходы к повышению эффективности алгоритмов распознавания дискретного характера, основанные на выделении для каждого класса типичных значений признаков, типичных обучающих объектов и построении информативных зон. Данные подходы позволяют снизить влияние шумящих признаков, а также повысить качество распознавания алгоритма в случае, когда в обучающей информации содержится много объектов лежащих на границе между классами. При этом иод качеством распознавания понимается качество алгоритма вне обучающей выборки (способность алгоритма к обобщению или экстраполяции), которое в данной работе оценивается по проценту правильно распознанных объектов при проведении процедуры скользящего контроля. На исследованных в работе прикладных задачах предложенные методы позволили повысить качество распознавания на -%. Получены новые результаты, касающиеся изучения метрических свойств множества покрытий целочисленной матрицы.