ВУЗ:
Составители:
Рубрика:
Априорная информация представляется в виде таблицы обучения T
N, m
. Алгоритм распознавания
сравнивает описание распознаваемого объекта (строку ω′) с T
N, m
и принимает решение о том, к какому
классу отнести объект. Классификация основана на вычислении степени похожести (оценки) распозна-
ваемой строки на строки, принадлежность которых к классам известна. Эта процедура включает в себя
два этапа: сначала подсчитывается оценка для каждой строки из T
N, m
, а затем полученные оценки ис-
пользуются для получения суммарных оценок по каждому из классов Ω
i
.
Опыт решения задач распознавания свидетельствует о том, что часто основная информация заклю-
чена не в отдельных признаках, а в их различных сочетаниях. Поскольку не всегда известно, какие
именно сочетания информативны, то в алгоритмах типа АВО степень похожести объектов вычисляется
не последовательным сопоставлением отдельных признаков, а сопоставлением всех возможных сочета-
ний признаков, входящих в описание объектов.
Определение класса алгоритма распознавания, основанного на вычислении оценок, сводится к фор-
мализации этапов, соответствующих последовательности реализации процедуры распознавания.
1 Выделяется система опорных множеств алгоритма, по которым производится анализ распозна-
ваемых объектов.
2 Вводится понятие близости на множестве частей описаний объектов.
3 Задаются правила:
а) позволяющее по вычисленной оценке степени подобия эталонного и распознаваемого объектов
вычислить величину, называемую оценкой для пар объектов;
б) формирования величин оценок для каждого из эталонных классов по фиксированному опорному
множеству на основе оценок для пар объектов;
в) формирование суммарной оценки для каждого из эталонных классов по всем опорным подмно-
жествам;
г) принятие решения, которое на основе оценок для классов обеспечивает отнесение распознавае-
мого объекта к одному из классов или отказывает ему в классификации.
П р и м е р. Задана следующая таблица обучения и подлежащая распознаванию строка ω′.
2.1.1 Таблица обучения Т
6, 2
Значения признаков
Клас-
сы
Объек-
ты
x
1
x
2
x
3
x
4
x
5
x
6
ω
1
0 0 0 0 0 0
ω
2
0 1 0 0 1 1
Ω
1
ω
3
1 1 0 1 1 1
ω
4
0 1 0 1 0 1
ω
5
1 1 1 1 1 1
Ω
2
ω
6
1 1 0 0 0 1
ω′
1 1 0 0 0 0
Рассмотрим полный набор признаков <1, … 6> и выделим систему подмножеств множества призна-
ков (систему опорных множеств алгоритма) S
1
, S
2
, S
3
.
Пусть S
1
= <x
1
, x
2
>; S
2
= <x
3
, x
4
>; S
3
= <x
5
, x
6
>.
Рассмотрим процедуру вычисления оценок по подмножеству S
1
. Для остальных подмножеств она
полностью аналогична. В табл. 2.1.1 выделяются столбцы, соответствующие признакам, входящим в S
1
.
Остальные столбцы вычеркиваются. Проверяется близость строки S
1
ω′ со строками S
1
ω
1
S
1
ω
2
S
1
ω
3
, при-
надлежащими классу Ω
1
. Число строк этого класса, близких по выбранному критерию классифицируе-
мой строке S
1
ω′, обозначается через
),(Г
1
1
Ωω
′
S
. Последняя величина представляет собой оценку строки
ω′
для класса Ω
1
по опорному множеству S
1
. Аналогичным образом вычисляются оценки для остальных
классов:
),(Г
2
1
Ωω
′
S
.
Применение вышеописанной процедуры ко всем остальным опорным множествам алгоритма по-
зволяет получить систему оценок
•
Страницы
- « первая
- ‹ предыдущая
- …
- 10
- 11
- 12
- 13
- 14
- …
- следующая ›
- последняя »
