Все выпуски

Рассматривается проблема эффективной вычислимости разрешимых моделей классификации конечных объектов. Исследуется конструктивизация условий симультанности (предельно короткого цикла) принятия решения в классификации. Симультанность ("однотактность") достигается параллельным сравнением компонент неизвестной реализации с информативными элементами всех эталонов в обучающей выборке. Конструктивизация условий симультанности предусматривает: выделение информативных элементов (идентификационных меток) в информативных зонах классифицируемых множеств; параллельное покомпонентное сравнение неизвестной реализации конечного объекта с информативными элементами всех эталонов из обучающей выборки. Полученные результаты симультанной схемы принятия решений в классификации интерпретируются в нейронных сетях, в обобщенной модели распознавания, в задачах идентификации.

Рассматриваются задача классификации текстурных изображений и проблема уменьшения пространства признаков. Предлагается редукция задачи многоальтернативной классификации до бинарной одномерной задачи, в которой допустимо использовать байесовский подход c одномерными оценками распределений. Вводится гипотеза о бета-распределении значений признаков для одного класса. Параметры распределения оцениваются методом моментов. Для оценки четырех параметров требуются аналитические выражения и статистические оценки первых четырех моментов этого распределения. После оценки параметров осуществляется проверка гипотезы о распределении по критерию Пирсона. Экспериментально установлено, что модель бета-распределения в большинстве случаев применима к оценке распределений значений признаков. Сделан вывод о необходимости такой проверки для каждой обучающей выборки. В работе также предлагается по результатам оценки степени пересечений оцененных распределений классов оценивать эффективность признака. Рассматривается взаимная корреляция выбранных признаков. Вводится способ оценки информативности признаков, основанный на минимуме средней вероятности ошибки для одного признака и взаимной некоррелированности для системы признаков. На основе алгоритма оценки информативности строится система признаков для каждой пары классов. Формулируется алгоритм классификации, который использует полученные системы признаков и принимает решение на основе оценки плотности моделью бета-распределения на этапе бинарной задачи. Кроме того, cформулированный алгоритм объединяет результаты частных бинарных решений и принимает окончательное решение в задаче классификации.

Исследуются методы представления отношений предикатами Радемахера, предлагается метод коллективного голосования для распознавания отношений.