Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:

книги из ГПНТБ / Горелик, А. Л. Некоторые вопросы построения систем распознавания

.pdf
Скачиваний:
29
Добавлен:
19.10.2023
Размер:
7.4 Mб
Скачать
Ф ,(/С і,

равна условной вероятности Р[ф;|/(Лі, . . Â n)] получить решение вида ф,(ЛТ, • ■-, К т ) при условии, что класси­

фицируемый объект фактически характеризуется опреде­ ленным набором признаков, выраженных через фикси­

рованные

значения

истинности элементов А\,

А„

как булева функция f(Ah .

. Ап) = I.

 

 

 

Множество всех

типов объектов (явлений),

принад­

лежащих

каждому

классу

<Pj(Kl,

, К т ),

определяется

суммой импликант 2 j

f ’ (Л,,..., Лп),

записанной

в совер-

 

“j

 

нормальной форме.

Если задать

шенной дизъюнктивной

вероятности г появления

ооъектов

различных

типов ocj

внутри каждого класса

ф;(Ді, ... , К т ) , то величины рц

можно выразить следующим образом:

 

 

 

Ра = S

р \9і I

Г/ {А,, .. . , Ап)\

 

(6.49)

 

а1

 

 

 

 

 

Обозначим через C,-j, i, j = 1, ..., N выигрыш или штраф,

который выплачивается при отнесении объекта /-го клас­ са к і'-му классу, а через СѴнд— тот выигрыш или штраф, который выплачивается, если для объекта из /-го класса не удается получить определенного решения вида

..., К т ) - Тогда величина

Kj Сц Різ

^yv+i./M

S Ріо 1—

 

i=1

\

1=1 /

 

; Сд,+1 ;-+ 1] Рц (Cij — C(V+I p

(6.50)

является средним выигрышем на одно решение при усло­ вии, что классифицируемый объект принадлежит /-му классу.

Пусть, наконец, Q, обозначает априорную вероятность

появления объекта (или явления) из /-го класса. Тогда

я ~

И

=

 

/=і

 

= I Q A +Ij, +

І

І QjPij {Рц - c N+].) (6.51)

/=1

/=і

i=1

189

есть безусловный средний выигрыш на одно решение

в данной системе классификации. Различные системы, предназначенные для распознавания одних и тех же объектов (или явлений), но отличающиеся либо спосо­ бами определения значений истинности признаков A h ...

.. Ап и, следовательно,

значениями вероятностей

<?г ( 1I 1) , <7г (О I 1), <7і(Х I 1),

(0 |0) , Ці( 1|0) , <7г ( X |0) Либо

самой совокупностью признаков Л,- для описания объек­ тов, можно сравнивать между собой по значению показа­ теля эффективности системы классификации R. Величи­ на R характеризует степень приспособленности системы

распознавания для решения стоящих перед этой систе­ мой задач в тех практических условиях, которые опре­

деляются вероятностями

Qj и стоимостями Сг-,-,

і

Сjv+i, j.

Определив показатель эффективности системы R и

его зависимость от основных факторов, влияющих на правильность распознавания объектов, можно поставить традиционную для исследования операций задачу о пост­ роении оптимальной системы распознавания. Такой си­

стеме соответствует экстремальное значение показателя эффективности R; при этом не нарушаются некоторые

условия, налагаемые на основные факторы (обычно в форме нестрогих неравенств) для ограничения множе­ ства возможных способов реализации данной системы. В качестве основных факторов, влияющих на величину показателя эффективности R, могут быть выбраны неко­

торые технические характеристики аппаратуры, которая используется для выявления признаков Аи ..., Ап

у классифицируемых объектов, или же всевозможные способы применения заданной аппаратуры, режим на­ блюдения объектов, различные правила принятия реше­ ний и т. д.

Пример. Предположим, что требуется оценить эффективность системы распознавания объектов Кі, Кг, Кг, которые описываются через наблюдаемые в ходе опыта признаки At, Аг, Аз, А 4, связан­ ные с Kt, Кг, Кг следующей зависимостью:

Е(Аі, Аг, А з, А і ; К і, Кг, Кг) —Кі • Кг - Кз ■(Аі-Аг-АіА-

-[•Аі - А з ) - \ - К і - Кг • Кз- (Аі ■А з А - А і А і ) А~

 

А-Кі • Кз - Кз - (Аі • Аг • А зА-Аі • Аз ■А і )

 

-f~К 1 Кг - Кз - А 1 Аг - Аз - А і = I.

(6.52)

190

Пусть в качестве решений, содержащих полезную для практических целей информацию, заданы функции

 

 

фі= Лі • К г • К г ,

Ср2 = -ÄT1 К г К з,

 

 

 

у 3= К і - К г - К з ,

ф4= ^і - К г - К г .

(6.53)

Допустим

далее,

что элемент А і обозначает

высказывание:

«Истин­

ное значение Хі

измеряемого

параметра

Х і

принадлежит интервалу

(а., ß;)».

т. е.

 

 

 

 

 

 

 

 

Ai = {xi^(ai,

ßi)},

i=

1, 2,

3, 4,

(6.54)

тогда как А і есть утверждение:

 

А і = {хі^ ( уі,

6і)}, і= 1,

2,

3, 4,

причем отрезки

(at-, ßi)

и (у,-, 8j)

не имеют общих точек (рис. 6. 6)

<

 

А

 

П

 

К

— I— I---------1— I—

j— I------- 1—I---------►

 

a i

ßi

 

Гі

âi

xi

 

 

Рис. 6.6.

 

 

Измеряемые

параметры Х і

 

можно представить в виде суммы

двух величин Хі и х'і :

 

= Хі + х'і,

 

‘(6.55)

 

 

Х і

 

из которых Хі равномерно распределена либо в («;, ßi), либо в (у,, бі), а х' і имеет нормальное распределение со среднеквадратическим отклонением О; и нулевым математическим ожиданием, т. е. плот­ ность вероятности случайной величины х' і есть

 

 

 

hi (х'і) = (l/V 2not) exp {— (x'i)2/2a? },

 

(6.56)

Обозначим через a'и ß'i границы некоторого интервала, охва­

тывающего

(di,

ßi),

а

через

у',-,

6'; — граничные

точки

другого

интервала,

включающего

(уг, бі), как

показано

на

рис.

6.6,

и

при­

мем следующее решающее правило: будем считать,

что X i^ (a u

ßi),

если измеренное

значение

X i^(a'i,

ß'i), и л ^ е (у и

бі),

если изме­

ренное

значение

Х і & ( \ ' і,

б',).

В

соответствии

с этим

правилом и

(6.55),

(6.56)

найдем

 

 

 

 

 

 

 

 

 

 

 

 

 

<7і

(і|і) =

Р № е ( « ' і ,

Р \)І * 4е К ,

Pt)} =

 

 

 

 

 

 

 

ß</

 

 

Гі

 

 

 

 

\

 

 

 

 

 

—l

 

I

ѵ

П

j

“ p

(l -

ldl

ä* -

 

 

 

 

 

 

 

 

 

 

 

 

 

 

dt,

 

(6.57)

2 (Pi

191

 

 

 

 

X

 

 

 

 

 

 

 

 

 

 

 

 

где Ф (х) —

 

 

 

dt есть функция Лапласа.

Точно так же

 

 

<

М 1

)0= - P|

{ x t f = { 4 ' t ,

«

 

 

 

 

\

 

)

 

 

 

 

 

 

S' .

 

[к -

 

 

 

 

 

 

 

 

 

-

 

!

 

fl Г

 

 

 

 

 

 

 

 

 

~ 2 ( ß ( - a t ) " J

[ Ф Ѵ И 2

 

 

 

 

 

 

 

 

 

 

 

 

 

1't

 

 

 

 

 

 

 

 

 

 

 

<?.(XI O

-

^

g K . .

Р \М чг\ ,

e '()|xt e ( a 4.

Pi)} =

 

 

 

 

 

----- 1 - ^

( 1

I l ) - < 7 t

( 0 | 1),

 

 

где члены (a't , ß'4),

( y' 4,

S'4)

обозначают

внешние части отрезков

(a'4,

P't),

(y'i> 3 '4).

Аналогично

 

 

 

 

 

 

 

 

 

 

 

 

<7( (ОI 0) =

P (A't e

(Y't,

 

3'4) IXj S

(ft.

8t)} :

 

 

 

 

 

 

5' .

Ф h — f

 

 

 

Ф f-<i — t

 

 

 

 

2(»t-Yi)

 

 

J

 

 

dt

 

 

 

 

 

 

 

 

 

 

V У 2

 

 

 

 

 

di ( 1 I 0) = P №

e

( a ' i , Р ' г ) | Х 4 е ( Т г . « i ) } =

 

 

 

 

1

 

 

 

 

 

 

 

 

 

 

 

 

(6.59)

 

 

 

 

 

 

 

ф ( ф8 = ± ) - ф ( ^ = 1

dt

 

 

 

2 ( S 4 —

Yi)

 

 

 

 

 

T't

 

\у 2 о 4

;

 

 

 

\ V'2 a4

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

<?t (X I

0) =

Я (ДГ* e

(a't. Р ' г М т ' г .

 

з

\ ) | х 4 е

( т 4 .

«t)}=

 

 

 

 

 

— 1

Qi (0 ] 0)

<7г

(1

10).

 

 

При

заданных

 

ßo

у>>

öi

мы можем

 

варьировать

значения а';,

ß't.

у'<,

6'і

с

таким

расчетом,

чтобы

вероятности

дг(111 ),...,

. . . ,

(X 10)

соответствовали экстремальному

значению показателя

эффективности системы

распознавания.

 

 

 

фі,

ср2,

фз, Ф4, заданных

 

Найдем

первые

импликанты функций

 

 

 

 

 

[ЫЙ базис

Ьх Иь Аг, Аз

/

 

 

 

 

 

 

 

А,

1

1

0

0

1

 

0

I

 

 

 

 

 

 

 

а 2 1 X

X X

0

X

1

 

 

 

 

 

 

 

A s X 0

1

X

1

 

0

1

 

(6.60)

 

 

 

 

 

А4 0 X

X

1

X

 

0

1

 

 

 

 

 

 

К,

1

1

0

0

0

 

0

0

 

 

 

 

 

 

 

К2 0

0

1

1

0

 

 

0

0

 

 

 

 

 

 

 

Кг

0

0

0

0

1

 

1

0

 

 

192

Совершив переход от базиса

&х [Ль А г ,

А 3,

Л4; К і ,

К г , Кз] к базису

Ьсі,

А г , A

3,

At;

Кі, К г , 7?з],

получим

 

 

 

 

 

 

 

 

 

 

 

#Лі = 0101

0101

0101

0101

 

 

 

 

 

 

 

 

# Л 2=0011

ООП ООП ООП

 

 

 

 

 

 

 

 

# Л 3 = 0000 М 11

0000

1111

 

 

 

 

 

 

 

 

# Л 4 = 0000 0000

1111

1111

 

 

(6.61)

 

 

 

 

#Кі=0101 0001 0101 0000

 

 

 

 

 

 

 

 

# Кг= 0000 1010 1О10

1010

 

 

 

 

 

 

 

 

=Н=/Сз= 1010 0100 0000 0100

 

 

 

 

Последние три строки базиса (6.61) являются изображающими чис­

лами

функций К і ( А і ,

А г, А з ,

Л4),

К г ( А і ,

А г , А з ,

Л4),

К з ( А ь А г ,

А з , А і )

относительно полного

стандартного

базиса b{Ait

А г ,

Л3,

Л4].

Переходя от изображающих чисел к функциям, найдем

 

 

 

 

 

Лл = Лі-Л2 4 + Лі-Лз, К г = А і - 3 4 ),

 

 

 

 

 

 

 

К з = А 1 А г

ЛзтрАі •Лз • Л4.

 

 

(6.62)

Так как К і - К г =

0, К і

■К з = 0 ,

К г - К з = 0,

 

то, следовательно,

также

 

 

 

I ~ К I •

г - К $ ~ А ! ■А% • А Q

 

А 1■Л з ,

3

 

 

 

 

 

¥ 2

Аі ■Кг-Кз

=

Аі ■А 3 ~І~ А і -Л4,

 

 

 

/(6.63)

 

 

— К і - К г - К з = Л, • Л2 Л3

А 1 ■Л3 • Л4,

I

 

 

 

и, кроме того

(рі=Кі ■Кг - Кз—Аі ■Аг ■А 3 • Аі.

импликант функций

ср,

Заметим,

что

для

определения первых

можно было бы воспользоваться базисом

(6.60), не

переходя к

со­

кращенному базису (6.61), что

особенно

существенно при большом

числе элементов Л4. Покаже^м, например, как найти первые импли-

канты

функции срі= Кі • Кг ■Кз.

 

 

 

 

 

 

 

 

 

Найдем

отрицание cp4:

 

 

 

 

 

 

 

 

 

 

 

 

 

 

О ,

фі — Кі + Кг + Кз.

 

 

 

 

 

 

С колонкой

Кі

отвечающей Кі,

сравнимы пять последних пра­

Кг X

Кз X

вых колонок базиса (6.60), поэтому

К і -—кЛі •Лз7 і -Л4+ Лі2 з+ Ліз'Л4 +Лі- А г - А з - A t ,

или после преобразования К і —*-Лі+ А г ■Л3+ Л 3• Л4. Аналогично с помощью базиса (6.60) находим

 

К г - —>-Л1 ■Лз+Л1

• Л4,

К з —>-Л1 ■Лг■Лз'+Лі • Лз • Л4

(6.64)

Откуда

следует К і + К г +

Кз-М і+Л2• Л3+Л3• Л4; после

обращения

этого соотношения

 

 

 

 

А і - ( А з + А г - А і ) — ^ К і - К г - К з .

(6.65)

Левая

часть (6.65) совпадает

с правой частью первого

соотноше­

ния (6.62).

 

 

 

1 3 ^ 4 5 2

193

Представим суммы (6.63) первых импликант функций cpj в со­ вершенной дизъюнктивной нормальной форме:

<Pi =

A i - A 2 - A 3 - / i - ^ - A 1 - A 2 - Ä3 - Ä t A~ А у-Â 2 -Я 3- - \ -

 

 

+ A I-Ä2- Â3-Ai + A 1-A2-Ä3-Ait

 

?2 =

Ai -Л2 ■A3 ■Ä\ + Âi ■А 2 • A3 ■A,i -)- Л, • Ä2 ■A3 ■А t -|-

 

 

+ Äx ■A 2-A3- A.i -f Д, ■Ä2- А3-Аѵ-f Д, -At -Д3- Д4,

(6.66)

f 3~ Аі-Л2-А3-Лі -1-А,-/2-А3-Аі -}-Л1-Лг-Л3-Лі +

 

 

~b Äi -A2 ■A3 ■Ä4,

 

¥4 Ai - A 2 • A 3 - A4.

 

Каждое слагаемое в(6.66) соответствует конкретному типу f

объ­

екта (или явления) из соответствующего класса ф3-, /= 1, 2, 3, 4, который может встретиться в опыте; значения индекса a.j являются номерами типов объектов в пределах каждого класса.

Рассмотрим объект первого типа из класса фі, т. е.

 

f\ = Д ,-Д 23-Д4.

 

(6.67)

Найдем [вероятность P (y ,|/J),

с которой

объект (6.67)

будет

отне­

сен при распознавании к классу фі. В соответствии с

(6.63)

выпи­

шем полный

набор импликант функции

фі = Кі • Кз • Кз'. Аі- Аг-Ас,

А і А 2 - A 3 - А 4;

А і -А%-Аз • Ab,

Аі • Аз',

Аі - Аг - Аз \

A i - А з - А з',

А і - А з - А і ', А і ■А з - А і ;

A i ■Аз ■Аз • Д4; А і • Аз ■А з • Д4,'

 

 

А і - Л з - Я з - А і .

 

(6.68)

ВероятностьЯ ( у ,|/{ ) равна вероятности оценитьпризнаки

объекта

f{ = А,- А2-А3-Л4 как какую-либо импликанту из набора

(6.68),

т. е.

Р(<Рі - | f ‘i) =<7і(1 | 1 ) ? 2(1|1)?з ( Х |1)<74(0[0) +

+ <7і(1|1)йг(1|1)(?з(і|1)<74(0|0)-!-

+ <?і (1 11)9г( 111) <7з(0 j 1)<74(0|0) + ^і (1 ! 1)<7г( X 11)Рз(0| 1)^4(X 10) +

+?,(1|1)</2(1|1)?а(0|1)<7*(Х|0) +

+?|(1|1)<72(0|1)ЫО|1)</*(Х|0) +

+</1(1|1)«72(Х|1)<7з (0|1)<74(1|0)+<7і (1|1)^(Х|1)<7з (0|1)<7і (0|0) +

+<7,'(1|1)<72(1|1)‘7з (0|1)<74(1|0) +

-I-Ц\ (1 ! 1) <72 (011) <7з (011) </4 (1 10) +

+ <7i (1 i 1) <72(011) <73(011) g4(010).

Объединим в этом выражении следующие члены: первый, вто­ рой и третий; пятый и девятый; шестой, десятый и одиннадцатый, а также три оставшихся и воспользуемся равенствами

<7з(Х|1)+<7з(1|1)+<7з(0|1) = 1, ф4(Х 10) +<74(1 S0) + ф4(0|0) = 1,

ІУ4

ТогДа пблучйМ

^(фі |/*1) = ^ l(l j l)f/2(l I 1)^і(0 |0) + ^ і(1 I 1)^3(0 | 1)[^2(1 S1) +

+ ? 2 (0 | 1 ) + < ?а ( Х | 1) ] - < / і ( 1 | 1) ? 2 ( 1 | 1) ? * ( 0 | 1 )<7*( 0 | 0 ).

Заметив,

что

q2(l 11) +^г(0| i) +(?2(Х 11) = 1, в полном соответствии

с формулой

для вероятности суммы нескольких событий

найдем

 

Я М / М = < ? , ( 1 |1 ) < 7 г ( 1 |1 ) < 7 4 ( 0 | 0 ) +</і ( 1 | 1 ) ? , ( 0 | 1 ) -

 

 

 

—9і(111)</2(1 1l)9s(0| 1 )94(0 )0).

(6.69)

Учитывая

выражения

(6.63) и (6.64),

по аналогии с (6.69)

получаем

Р(ъ\і\) = Чі (О1.1) ?,(І I !)

+ <?, (ОI !)<?., (Ч 0) -

 

 

 

— 9і (ОI 1)9.(1 11)9,(40),

 

 

Р (?, !/]) =

9.(1 I

1) 92 (ОI 1) 9з (1 I 1)+

(6.70)

 

 

+

9і (0 I

О 9з (0 11) 9, (0 I 0),

 

 

Р(?4і /!) =

9, (1 I

1)92(1 11)9. (1 I 1)9.0 I 0).

 

Точно так же можно определить и все оставшиеся 15-4 = 60 величин

P(ft\fj J), где /у 3 обозначает а3--й тип объекта в классе <р3-. Предпо­

ложим, что как появление объектов из различных классов так и рас­ пределение отдельных объектов в пределах каждого класса равно­ вероятно. Прч этом вероятности p tj, вычисленные по формуле (0.49), можно записать так:

 

 

 

 

 

 

r>

 

 

Рп=

 

а=\

 

 

 

a=l

 

 

 

 

 

 

 

 

 

 

 

4

 

 

 

 

 

 

P.3 =

4 - 5 > W

fâ);

Pi4 =

^(¥i|f4);

 

 

а=1

 

 

 

 

 

 

 

 

5

 

 

 

6

 

 

Рг 1 =

5 "

P (?г| f 1);

P22

 

P (?2І 12)’

 

 

a = 1

 

 

a

=

 

l

 

 

4

 

 

 

 

 

 

Ргг~= 4 ~

^ ] Я ^

2і [ з );

P t i =

P ( ' -

p 2

 

| / 4 ) 1

 

 

a=l

 

 

 

 

 

 

 

 

 

 

 

 

В

 

 

A i=

 

P

 

Рг 2 =

 

Ш0*

P (f.l ZI):

 

 

 

 

1 Г У

 

 

 

а — 1

 

 

 

a=l

 

 

13;

 

 

 

 

 

 

 

i 95

4

 

 

 

 

 

Ри = р Ыі\)'>

 

 

 

Ріг =

4 ~ Y j P Ы f ' );

Pii = " F

S

f2 ).

 

 

 

 

a=l

 

 

 

a=l

 

 

 

 

 

 

4

 

 

 

 

 

/

4> 3 =

 

 

 

і 4 =

Я

( ?

4

| ^ ) .

 

 

 

cc—I

 

 

 

 

 

Величины средних

условных выигрышей на одно решение

определя­

ются следующим образом:

4

5

 

 

 

 

 

 

 

 

 

 

 

 

/?і — С51 +

5

 

 

 

 

 

 

 

51

 

 

 

 

 

 

 

 

 

І—I сс=1

 

 

 

 

 

 

 

 

4

6

 

 

 

 

^2 -- ^52 +“Г

6

Y j

( С ^ - С „ ) Р ( Ь \Г2).

 

 

 

 

 

 

і — 1

а.— 1

 

 

 

 

 

 

»Т

 

4

4

 

 

 

 

 

 

4 5] 5 ] ( С‘з- С 5з)Р (¥і |^),

 

 

R3 —■С 53 +

 

 

 

 

 

 

 

 

 

 

 

і=1

а = 1

 

 

 

 

Я4 --С54 +

 

і 4

С5 4 ) Р (<Рі I /4 ),

 

 

 

где, как и раньше, С15-,

/, j — 1, .... 4 — размер выигрыша,

когда

объект /-го класса принимается за объект і-го класса, а

C5j — раз'

мер платежа, когда об объекте /-го класса не принимается никакого

решения.

 

 

 

 

средний выигрыш ■на

одно решение

И, наконец, безусловный

выразится как

 

 

 

 

 

 

 

 

 

Я = -

^

c5j + ~

5 ]

ПГ (с* > -с51) ^ Я Ы П ) -і-

 

/=1

 

 

г=1

6

а—1

 

 

 

 

 

 

 

 

 

 

 

 

 

 

+ 4 - ( С « - С м) J]p(Ttlf2) +

 

 

 

+ 4 -

-

с 5з) ) ]

Я (»11/з) + (Ct4 -

С 54) Р (Vi I f\

)

(6.71)

о=1

196

Как

мы

отметили, величина

Р существенно

зависит

от значений

а'і,

ß'i,

у'и

M’, (=1, .... 4,

входящих

в

вероятности

</,(1|1), ...

. . . .

<71(X 10), определяемые

по формулам (6.57)—(6.59). Парамет­

ры а'і, ß'i,

у ' і , б',- могут удовлетворять условиям вида

 

 

 

Hi (а'і,

ß'o ѵ'і, 6'і) ^ С і,

Я 2(а'і,

ß'i,

ѵ'ь

6'i)s£ C 2 ....

(6.72)

где

Ci,

С2, . . . — заданные постоянные,

которые имеют

смысл

огра­

ничений, налагаемых на стоимость, надежность, потребление энер­ гии, вес, габариты и другие характеристики аппаратуры, используе­ мой для измерения значений величин X,.

Тогда задача построения оптимальной системы распознавании сводится к отысканию экстэемума, например max R(u'i, ß'i, у'и ö',) по а',-, ß'i, у 'і , б'і при ограничениях (6.72).

6.6. ПРИМЕНЕНИЕ МЕТОДА МОНТЕ-КАРЛО ДЛЯ ОЦЕНКИ ЭФФЕКТИВНОСТИ ЛОГИЧЕСКИХ СИСТЕМ РАСПОЗНАВАНИЯ

Если число элементов Ah ..., Ап, характеризующих

признаки объектов, велико, вычисление значений пока­ зателя эффективности системы классификации R пред­

ставляет, как правило, сложную задачу.

Основная трудность состоит в множественном пере­

боре типов классифицируемых объектов f 3 при под­

счете вероятностей ^ (Тг | / / ) и в определении вероят­ ности суммы большого числа совместных событий.

Для преодоления этих трудностей можно использо­ вать метод статистических испытаний (метод Монте-Кар­ ло). Общая идея метода статистических испытаний со­ стоит в моделировании и многократном повторении усло­ вий опыта по определению признаков А ъ . . Ап извест­

ных типов объектов и применению решающего правила для установления класса испытываемого объекта.

а .

Подсчитав число N решений, приводящих к заклю­

чению ft (/С,, ..., Кт) при фиксированном

типе

объекта

а .

а.

| f.3);

разделив

/

можно определить вероятность Р (<р2

Д^3 на общее число УѴ^ испытаний, проведенных с объек-

„аj

том типа f. , получим

Р(9г \ f . i ) ^ N * 3INa\

(6.73)

197

Число испытаний

необходимое для того,

чтобы вероят-

ность отклонения оценки величины р Р

а .

| / ’) от точ­

ного значения величины меньше, чем на 26, превышала

1—е, определяется по формуле [18]:

 

К х Р { 1 —Р)/г02,

(6.74)

где 6 и е — малые положительные величины. Исходными данными для применения метода Монте-

Карло в рассматриваемой задаче служат:

Л„;

1.

Таблица сокращенного базиса

6С=[ЛЬ ...,

К\, .

. Кт], в которой представлены

различные

типы

объектов. Каждый столбец сокращенного базиса с точки

зрения

системы

признаков

Ль ..

А п и

элементов

Кі, .. .,

Кт можно рассматривать как определенный тип

 

а .

 

 

рассматриваемое

объекта f 1 (Ль ..., Ап), входящий в

множество.

 

 

 

 

2. Значения вероятностей

^і (1|1),

^і (0|1),

^і ( Х|1),

*7г (0 10),

<7t(l|0),

<7г ( X 10),

характеризующие

условия

опыта, проводимого над объектами.

3.Запрограммированный для ЭВМ алгоритм нахож­

дения решения ср(/Сі, ..., К т ) системы

булевых уравне­

ний:

 

 

К {А,.......Лп; K lt...,Km)= 1,

(6.75)

7 (Л ,,..., л п) +

<р(/с,...... кт) I,

 

где функция £(Л,-; Kj)

представляет наложенные на эле­

менты Лj и Kj связи, а /(Ль . .., Ап)

функция, опреде­

ляемая в результате опыта.

 

Структура построенной по этим исходным данным стохастической модели распознавания объектов зависит от конкретных физических условий, при которых прово­ дится опыт, а также от технических и точностных харак­ теристик аппаратуры, предназначенной для определения признаков объектов через вероятности дг(1|1), ...

•• •, <7«(Х|0).

Опишем алгоритм работы рассматриваемой модели. Предположим, что указанные исходные данные записаны в памяти ЭВМ. Обозначим через £ р-ю реализацию

случайной величины g, равномерно распределенной в ин­ тервале [0, 1], которая вырабатывается датчиком случай­ ных чисел (каждый раз независимо). Предположим

198

Соседние файлы в папке книги из ГПНТБ