Комплексная оценка состояния сложных систем на основе иммунокомпьютинга. Соколова С.П - 13 стр.

UptoLike

ВУЗ: 

СПб ГУАП | Санкт-Петербург

Составители: 

Рубрика: 

11
На основе полученной информации и с учетом мнения эксперта фор-
мируется обучающая выборка, которая представлена в таблице.
Задача обучения сводится к разбиению пространства признаков на
классы (т. е. к проведению классификации), а задача распознавания
сводится к определению класса z
j
= {X}
j
, j = 1,..., k, с помощью вектор-
ной нормы:
():min {}
kkk
zX X X−
.
В качестве векторной нормы могут быть использованы следующие
известные нормы:
евклидова норма
()
1/2
2
();
ik iki
i
i
E
XX XX−= −
∑
норма расстояния
()
//;
ik iki
i
i
M
XX XX−= −
∑
норма Чебышева
max / /
ik iiki
i
C
XX XX−= −
.
В вычислительных процедурах иммунокомпьютинга в качестве ана-
лога расстояния используется введенное в [1] понятие энергии связи,
основанное на сингулярном разложении матрицы. Энергия связи меж-
ду объектами A и M представляется следующим образом:
T
iii
ω , 1, 1, 1,..., ,
ir
=− = = =
TT
ii ii
UAV UU VV
где U
i
, V
i
, – левые и правые сингулярные векторы соответственно
матрицы A, r – ранг матрицы.
Алгоритм вычислительной процедуры обучения с экспертом состо-
ит их следующих шагов.
ремоН
аткеъбо
воканзирпяинечанЗ
яицакифиссалК
атрепскэ
z
1
z
2
z
3
... z
n
113,01 1 1
21,06,0112
32,08,09,07,03
45,017,01,02
L115,01,01
Обучающая выборка

Страницы