Разработка и исследование математических моделей оценки качества распознавания и совершенствование обучающихся алгоритмов

• Автор: Бельчусов, Анатолий Александрович
• Шифр специальности: 05.13.16
• Научная степень: Кандидатская
• Год защиты: 1998
• Место защиты: Чебоксары
• Количество страниц: 134 с.

Введение
Современная теория распознавания получила признание в середине 50-х годов. По мере развития основных теоретических положений предлагаются все новые и новые типы алгоритмов распознавания, которые объединяются в классы согласно методологическим принципам построения. С увеличением числа новых алгоритмов и методов распознавания все заметнее потребность в их сравнении. Возникает необходимость упорядочить алгоритмы по качеству распознавания и типам задач, для решения которых те или иные алгоритмы более предпочтительны. С этой проблемой перекликаются и прикладные задачи распознавания образов. В итоге все сводится к двум основным вопросам:
- какой из существующих методов выбрать для решения данного класса задач распознавания.
- каким образом, находясь в пределах выбранного метода, настроить параметры алгоритма, чтобы, с учетом особенностей конкретной задачи, качество его работы было наилучшим.
Для ответа на эти вопросы необходимо научиться сравнивать рассматриваемые алгоритмы. Любое сравнение предполагает:
- установление количественной меры качества алгоритма;
- выработку конструктивных способов её расчета.
Такие задачи актуальны всегда, интерес к ним еще более возрастает с появлением новых и совершенствованием существующих алгоритмов распознавания.

Поэтому важно детально разобраться в принципиальных вопросах оценки качества алгоритмов распознавания.
В данном случае речь идет о широком классе алгоритмов распознавания, реализующих концепцию обучения с учителем [3, 22, 33, 36, 53, 88, 94]. Для разработки алгоритмов их авторы используют различные методы распознавания, подводят под свои рассуждения различную базу [57, 58, 74, 82, 92]. Но для оценки качества распознавания принципиально важно выяснить частоту совпадения ответов, данных алгоритмом, с действительными классами объектов. Поэтому в целях производимой оценки необходимо отвлечься от рассмотрения вопросов мотивации при выработке решений различными алгоритмами, поскольку оценивается и сравнивается только результат работы алгоритма.
Такой важный вопрос, как оценка качества распознавания алгоритмов, и связанные с ним прикладные задачи нашли свое отражение в научной литературе, главным образом в работах [23, 26, 33, 54, 59, 61, 90 и 104]. Однако после детального анализа предложенных в них методов оценки качества распознавания выясняется, что все они носят частный характер и затрагивают только отдельные аспекты проблемы. В большинстве работ качество распознавания оценивается для узкого класса алгоритмов [28]. В достаточной мере не обсуждается ни область использования, ни вопросы объективного и достоверного применения самих методов оценки.
Диссертант поставил своей целью создать универсальный метод оценки качества распознавания для класса алгоритмов обучающихся с учителем. Новизна работы состоит в том, что сформулирован универсальный метод оценки качества алгоритмов распознавания, основные положения которого реализованы в виде математической модели. В итоге создан программный комплекс, позволяющий давать

сравнительную оценку качества, как различных модификаций одного и того же алгоритма, так и алгоритмов, использующих совершенно разные эвристические методы принятия решений.
На защиту выносятся: метод оценки качества обучающихся алгоритмов распознавания; математическая модель, позволяющая имитировать процесс распознавания.
Одновременно для некоторых методов распознавания, которые допускают по своей структуре настройку параметров решающего правила, разработаны конструктивные пути осуществления такой настройки с использованием предлагаемого метода оценки качества алгоритмов. Метод оценки качества распознавания положен в основу сравнительного исследования основных классов обучающихся алгоритмов распознавания, в том числе и на практическом материале.
Результаты работы докладывались на XXVII и XXVIII научных конференциях по гуманитарным, естественным и техническим наукам (Чебоксары, 1993,1994 г.), семинаре Вычислительного центра Российской академии наук (Москва, 1993), конференции «Математические методы распознавания образов» (Москва, 1994), научной конференции «Реформирование российской экономики» (Чебоксары, 1997), II всероссийской научно-технической конференции «Информационные технологии в электротехнике и электроэнергетике» (Чебоксары, 1998). Тезисы докладов опубликованы.
Представленная диссертация содержит введение, четыре главы, заключение, список литературы, насчитывающий 106 наименований и приложений.
В первой главе формулируется задача исследования и дается обзор существующих методов оценки качества алгоритмов распознавания.
Вернемся к рассмотренным в предыдущей главе методам оценки качества распознавания. В большинстве из них нет четкого определения, кто и каким образом осуществляет оценку качества алгоритма распознавания. В других совмещаются принципиально разные функции: настройка решающего правила и контроль качества распознавания. Оценка качества распознавания должна осуществляться такті образом, чтобы алгоритму не было известно о том, какие объекты он классифицировал правильно, а какие нет. Иначе алгоритм распознавания подвергается лишь самопроверке, кроме того, у него появляется возможность обучаться в ходе самого экзамена [56]. Понятно, что это еще не проверка по-настоящему. Еще М.М. Бонгардом [8] высказывал идею о том, что оценка качества распознавания должна представлять собой отдельную процедуру (или блок), стоящую над алгоритмом распознавания. Будем далее блок, осуществляющий оценку качества распознавания, называть экзаменатором. Какие же функции он выполняет?

В режиме обучения алгоритма распознавания - функцию пассивного наблюдателя. Проверку качества распознавания производит сам алгоритм, что необходимо для получения или корректировки решающего правила Р = Р{Р$,а, Дополучая полное описание объекта /(гЛ, ]: гЛ, є Р$, алгоритм на основании