О компании Стоимость
компании
Стратегическое
планирование
Управление
стоимостью
Стоимостной
маркетинг
Стоимостное
мышление
Привлечение
инвестиций
 

Статистические и вероятностные аспекты модели опознания

Рельеф может быть настолько сложным, что для хранения этой информации в памяти опознающей системы потребуется записать координаты каждой точки поверхности. Объем требуемой памяти будет так велик, что практически запоминание структуры пространства образов окажется невозможным.

Теория опознания образов в настоящее время располагает довольно эффективными средствами, в которых используются нелинейные решающие правила, специальные приемы аппроксимации, специальные статистики. Применимость этих средств в значительной степени определяется условиями решаемой практической задачи.

Итак, статистическая классификация предполагает распределение векторов по определенному вероятностному закону во всем n-мерном пространстве образов, и задача состоит в том, чтобы разбить это пространство на пересекающиеся области в определенном смысле оптимальным образом. После этого каждый опознаваемый образ относится к тому или иному классу по результатам включения в ту или иную область. В качестве критерия оптимальности можно использовать критерий минимума полной вероятности ошибки, который в терминах теории статистических решений называется критерием максимума правдоподобия или байесовым критерием при равенстве весов ошибок каждого рода, а на языке теории обнаружения – критерием идеального наблюдателя. Идеальный наблюдатель представляет собой удобную решающую схему, так как при этом не требуется конструктивно сложного устройства для его осуществления. Правда, критерий идеального наблюдателя не может быть определен в тех случаях, когда неизвестны априорные вероятности появления опознаваемых образов. В таком случае решающие схемы могут быть построены способами, которые применяются в теории статистических решений.

При рассмотрении задачи опознания образов мы всегда (или почти всегда) имеем сведения о конечном числе образов – представителей данного класса или, иначе говоря, имеем конечную выборку. Понятие класса как категории, к которой должны быть отнесены и другие, неизвестные ранее образы, является понятием асимптотическим. Обобщенный образ (класс) относится к выборке опознаваемых образов приблизительно так же, как вероятность события к экспериментально наблюдаемой частоте его.

При постановке задачи предполагают, что задано некоторое множество образов, каждый из которых принадлежит к одному из w классов. Способ разделения на классы достоверно неизвестен, но заданы конечные выборки образов, для которых известна принадлежность к определенному классу. Задача, естественно, состоит в том, чтобы классифицировать любой вновь появившийся образ. Для этого выбирается правило решения в соответствии с рекомендациями теории статистических решений.

Истинные вероятностные характеристики (закон распределения и другие) обычно неизвестны. Поэтому практически используются оценки, полученные по имеющимся примерам классов. Эту обычную в статистике процедуру оценки по выборке вероятностных характеристик генеральной совокупности естественно здесь интерпретировать как обучение. Подробнее вопросы обучения опознающей системы будут рассмотрены позже.

Статистические модели стали известны еще на ранней стадии становления теории опознания образов. Затем на время интерес к ним угас. Возможно, частично это объясняется тем, что при использовании линейных решающих правил (а именно они преобладают в практических разработках опознающих систем) как геометрическая, так и аналитико-статистическая трактовка условий и хода решения задачи приводят к одним и тем же результатам. До тех пор, пока не была исчерпана в какой-то степени проблематика непересекающихся классов, практически и не возникала острая необходимость в привлечении статистических моделей. И лишь в последние годы вновь возник и все повышается интерес к статистическим методам опознания, которые, не устраняя геометрические представления, существенно дополняют и расширяют их. И уж совсем неправомочна попытка некоторых авторов представить статистические методы в качестве самых эффективных и чуть ли не единственно допустимых методов опознания и классификации.


Предыдущая глава: Системы параметров образов в пространстве

Следующая глава: Решения задач опознания образов


Содержание:

Очерки Бионики Моря
От автора
Освоение и использование гидросферы
Богатства мирового океана
Ресурсы океана
Организация производства под водой
Классы животных гидросферы
Подводные исследования глубин
Шельф мирового океана
Промышленное использование океана
Подводная агротехника растений
Использование и дрессировка животных
Освоение бионики океана
Прообраз бионической системы
Предмет бионики моря
Биологические исследования бионики
Структуры и системы бионики
Влияние элементов и структур бионических систем
Моделирование бионической системы
Задачи бионики моря
Использование бионики в технике
Биологические элементы системы – нейроны
Структура одиночного рецептора
Структурное формирование рецепторов
Основные функции рецептора
Различия рецепторов
Фоторецепторы глаз животных
Терморецепторы морских животных
Звукорецепторы слухового анализатора
Химорецепторы водных животных
Механизм звуковой локации
Структура и функции одиночного центрального нейрона
Синапсы нейрона
Возбуждение нейрона
Модели синапсов нейрона
Теории систем связи
Гидроакустический канал связи
Электромагнитный диапазон связи
Оптические системы связи
Электрорецепция электрических токов
Детекторы электромагнитного поля
Орган обоняния и вкуса
Механизм рецепции осязания
Гидронические волны
Гидроакустическая связь в океане
Акустическая сигнализация у морских животных
Виды локации животных
Механизм биолокатора дельфина
Слуховой анализатор китообразных
Излучатель импульсов дельфина
Эксперименты с дельфинами
Использование структур кибернетики
Системы управления событиями
Системы структурного представления
О системах с генетически заданной структурой управления
Структуры рефлекторной деятельности
Условные рефлексы и обучение
Моделирование условного рефлекса
Образование рефлексов животных
Нервная сеть различных организмов
Самоорганизация биологической системы
Исследование самоорганизации многоклеточных и одноклеточных
Задачи анализатора опознания
Системы параметров образов в пространстве
Статистические и вероятностные аспекты модели опознания
Решения задач опознания образов
Обучение бионических систем опознанию образов
Примеры обучаемых опознающих систем
Особенности опознания образов в бионике моря
Исследования поведения дельфина
Наблюдение за поведением животных
Основные аспекты поведения животных
Раздражения внешней среды
Результаты группового поведения
Форма симбиоза стаи рыб
Исследования подводных конструкций
Исследования бионических механизмов
Особенности конструкций животного
Сооружение скелета моллюсков
Конструктивные особенности строительства осьминогами
Гидродинамические аспекты бионики
Механизмы движения рыб и моллюсков
Гидроаэродинамика морских организмов
Описание аэродинамических и гидродинамических конструкций
Синтез конструктивных структур
Синтез элементов и систем
Манипуляторы в океанических организмах
Получение фильтрации
Опреснение морской воды
Газообмен под водой
Селективное накопление вещества
Исследования иоэнергетики
Источники электрического тока
Механизм биолюминесценции

На главную страницу сайта