Составители:
197
го изменения процесса) и обеспечивает удовлетворительные резуль$
таты при относительно небольших случайных колебаниях исходно$
го ряда. Метод экстраполяции тенденций по огибающим кривым
позволяет объединить частные тенденции научно$технического раз$
вития, между которыми имеются качественные скачки, в единую об$
щую тенденцию путем ее аппроксимации, как правило, с помощью
логистических кривых, объективно характеризующих процессы на$
учно$технического развития (замедленное начальное развитие, быс$
трое нарастание темпов развития по закону, близкому к экспоненци$
альному, переход через точку перегиба к замедленному темпу роста и
достижению насыщения, определяющего предел развития процесса
при неизменных принципах УКП).
Использование методов экстраполяции предполагает однород$
ность динамики исследуемых процессов, нарушение которой на от$
дельных интервалах временных рядов искажает результат прогно
зирования. В связи с этим возникает необходимость разграничения и
выделения интервалов, характеризующихся однородной динамикой,
что успешно реализуется при использовании методов распознава
ния образов, имеющих и самостоятельное значение для решения за$
дач определения нормативов УКП при неполной исходной информа$
ции.
Важным приложением теории распознавания образов в прогнози$
ровании является разработка принципов и построение систем, пред$
назначенных для определения принадлежности данного объекта (про$
цессов УКП или их элементов) к одному из заранее выделенных клас$
сов объектов, характеристики которых известны. Каждый объект
описывается совокупностью (вектором) основных характеристик
(свойств, признаков) в многомерном пространстве и характеристи$
кой, которая указывает на принадлежность объекта к определенно$
му классу. Набор заранее расклассифицированных объектов, для
которых известны указанные характеристики, используется для об$
наружения закономерных связей между значениями этих характе$
ристик и называется обучающей выборкой. Объекты, характеристи$
ки которых неизвестны, образуют контрольную выборку. Одна из
основных задач распознавания образов – выбор правила (решающей
функции), в соответствии с которым по значению контрольной реа$
лизации (отдельного объекта выборки) устанавливается ее принад$
лежность к одному из классов (образов).
Эффективность решения задачи распознавания образов во многом
определяется выбором совокупности (вектора) признаков, обладаю$
щих высокой информативностью, т. е. наиболее важных для отличе$
ния одного образа от другого. При этом используются следующие
Страницы
- « первая
- ‹ предыдущая
- …
- 195
- 196
- 197
- 198
- 199
- …
- следующая ›
- последняя »
