Параметрическое обучение в теории распознавания образов. Воробьев С.Н - 4 стр.

UptoLike

Составители: 

4
угольники, треугольники, овалы), признаками могут быть интенсив
ности базисных цветов (сигналы красного, зеленого и синего цвета) или
результаты измерения длительности импульсных сигналов по строкам
телевизионного растра. Часто стараются минимизировать число при
знаков, доводя его, если это возможно, до единицы. Разумеется, инфор
мативность множества признаков
1
2
3IY
12
IX
должна быть достаточ
ной для успешной классификации при условии достаточности
12
IX
.
Распознавание затрудняется наличием случайной шумовой состав
ляющей наблюдений, так что вероятность правильной классификации
меньше единицы. Наиболее благоприятным является случай нормаль
ного распределения шума, позволяющего в ряде случаев получить стро
гое решение. Многомерное нормальное распределение, в том числе син
гулярное разложение корреляционной матрицы и процедура декорре
ляции, рассматривается в разд. 1.
Вопросы создания эталонных признаков классов на базе оптималь
ных методов оценивания параметров распределений изложены в разд. 2.
Математические трудности оценивания корреляционных матриц, свя
занные с распределением Уишарта, преодолеваются декорреляцией век
тора признаков. Методика расчета вероятностей правильной класси
фикации и ошибок – в разд. 3.
Классификация по правилу минимума расстояния между наблюдае
мыми и эталонными признаками интерпретируется как синтез разде
ляющих функций (разд. 4). Введение разделяющих функций приводит
к наглядным геометрическим моделям с линейными или нелинейными
границами между классами и позволяет численным интегрированием
рассчитывать вероятности ошибок. Использование правила максималь
ной апостериорной вероятности связывает процедуры распознавания и
проверки статистических гипотез.
Создание эталонных признаков классов при непомеченных выбор
ках (обучение без учителя) с использованием метода моментов рассмот
рено в разд. 5.
Учебное пособие содержит примеры расчетов и моделирования в сис
теме MATLAB 6.