Математические методы искусственного интеллекта. Броневич А.Г - 24 стр.

UptoLike

ВУЗ: 

ТТИ ЮФУ | Таганрог

Составители: 

Рубрика: 

24
Пример. Пусть имеется два 6-мерных эталонных вектора
1
(1,1,1,1, 1,1)=−e и
2
( 1,1, 1,1,1,1)=− −e . Требуется с помощью сети Хэмминга най-
ти номер эталонного вектора, к которому наиболее близок вектор
(1,1,1,1, 1, 1)=−−
x .
Решение. Вычислим значения мер близости между x и эталонными
векторами:
11
61 1
(,) 3 4 5
22 2
a =+ =+⋅=ex ,
22
61 1
(,) 3 (2) 2
22 2
a =+ =+⋅−=ex . Да-
лее с помощью сети Maxnet выделим из вектора мер близостей (5, 2)=
a мак-
симальную компоненту:
шаг 1
11
22
114 14
(1) 5 2 , (1) ,
63 3
17 7
(1) 2 5 (1) ;
66 6
sy
sy
⎧⎧
=−⋅= =
⎪⎪
⇒
⎨⎨
=−⋅= =
⎪⎪
⎩⎩
шаг 2
11
22
14 1 7 161 161
(2) , (2) ,
36636 36
7114 7 7
(2) (2) ;
663 18 18
sy
sy
⎧⎧
=−⋅= =
⎪⎪
⇒
⎨⎨
=−⋅ = =
⎪⎪
⎩⎩
шаг 3
1
1
2
2
161 1 7 119
119
(3) ,
(3) ,
36 6 18 27
27
71161 77
(3) 0 ;
(3)
18 6 36 216
s
y
y
s
⎧
=−⋅=
⎧
⎪⎪
=
⇒
⎨⎨
=
=−⋅ =−
⎪
⎪
⎩
⎩
шаг 4
1
1
2
2
119 1 119
119
(4) 0 ,
(4) ,
27 6 27
27
1119 119
(4) 0.
(4) 0
627 162
s
y
y
s
⎧
=−⋅=
⎧
⎪⎪
=
⇒
⎨⎨
=
=−⋅ =−
⎪
⎪
⎩
⎩
Таким образом, алгоритм Хэмминга относит вектор
x к классу первого
эталона.
Практическая часть
. Рассмотреть примеры определения ближайшего к
образу эталона с помощью сети Хэмминга.
Лабораторная часть
. Написать программу определения ближайшего к
образу эталона с помощью сети Хэмминга. В качестве эталонных векторов
взять первые четыре буквы своей фамилии. Буквы построить в прямоуголь-
никах размером 6×5 и закодировать биполярными векторами.
9. ПОСТРОЕНИЕ КЛАССИФИКАТОРОВ В СЛУЧАЕ
ВЕРОЯТНОСТНОГО ОДНОМЕРНОГО РАСПРЕДЕЛЕНИЯ
ПРИЗНАКОВ В КЛАССАХ
9.1. Байесовский классификатор
Как правило, элементы обучающей выборки можно получить в естест-
венных условиях. Появление того или иного образа является случайным со-
бытием, и вероятность этого появления можно описать с помощью функции
плотности распределения вероятностей. Сама эта функция определяется кон-
кретной средой, в которой работает система распознавания. Зная элементы

Страницы