- •1(Часть 1) Разделы дисциплины.
- •1.1Биометрия
- •1.2Этапы истории
- •2Предмет и основные понятия биометрии
- •2.1Группировка первичных данных
- •2.2Признаки и их свойства.
- •2.3Классификация признаков
- •2.4Причины варьирования результатов наблюдений
- •2.5Точность измерений и действия над приближенными числами
- •2.6Способы группировки первичных данных
- •2.7Статистические ряды.
- •2.8Графики вариационных рядов
- •2.9Особенности биообъекта и экспериментальных данных о его свойствах и состоянии. Основные источники медико-биологических данных.
- •3Общая характеристика биологических сигналов и медико-биологических данных
- •3.1Случайный сигнал и случайная величина
- •3.2Одномерные случайные сигналы. Функция распределения и плотность вероятности
- •3.3Усреднение. Моменты случайной величины
- •3.4Равномерное распределение случайной величины
- •3.5Гауссово (нормальное) распределение
- •3.6Статистические характеристики систем случайной величины (Многомерные сигналы)
- •3.7Функция распределения и плотность вероятности.
- •3.8Вычисление моментов
- •3.9Корреляция
- •3.10Статистическая независимость случайных величин.
- •3.11Многомерное Гауссово распределение.
- •3.12Случайные процессы.
- •3.12.1Предварительная обработка сигналов.
- •3.12.2Моментальные функции случайных процессов.
- •3.12.3Взаимная функция корреляции двух случайных процессов.
- •3.13Помехи и их математические модели.
- •3.13.1Виды аддитивных помех.
- •3.13.2Законы распределения помех.
- •3.13.3Отношение сигнала помехи на прмере гауссовских помех.
- •4Основные понятия теории обнаружения сигнала
- •4.1Проверка статистических гипотез.
- •4.2Критерий Неймана-Пирсона.
- •4.3Алгоритмы обнаружения.
- •5Фильтрация сигналов
- •5.1Временная фильтрация.
- •5.2Частотная фильтрация.
- •5.3Связь между фильтрацией и сверткой.
- •5.4Физически реализуемые линейные фильтры частоты.
- •5.5Идеальный фильтр.
- •5.6Реализуемые непрерывные аналоговые фильтры.
- •5.7Узкополосные фильтры.
- •5.8Оптимальная фильтрация.
- •6(Часть 2) Корреляционный анализ
- •6.1Функциональная зависимость и корреляция
- •6.2Параметрические показатели связи. Коэффициент корреляции
- •6.3Вычисление коэффициента корреляции при малых выборках
- •6.4Минимальный объем выборки для точной оценки коэффициента корреляции
- •6.5Вычисление коэффициента корреляции при больших выборках
- •6.6Оценка разности между коэффициентами корреляции
- •7Качественное описание задач распознавания
- •7.1Основные задачи построения системы распознавания
- •7.2Параметрические и непараметрические методы и критерии
- •7.3Параметрические критерии
- •7.4Непараметрические критерии
- •7.5Статистические методы классификации многомерных наблюдений
- •7.6Минимаксный критерий
- •8Вопросы планирования исследований
- •8.1Приближенные оценки основных статистических показателей
- •8.2Определение необходимого объема выборки
- •9Типы медицинских изображений. Способы их обработки
- •9.1Иднтификация пространственных объектов. Схема этапов распознавания
- •9.2Обработка точечных изображений
- •9.3Моделирование процесса идентификации точечных изображений на эвм
- •9.4Основные принципы цифровых операций над изображениями
- •9.5Операции над изображениями. Хранение и представление изображений.
- •9.6Цветные изображения
- •9.7Окружающие и примыкающие пиксели
- •9.8Основные требования к аппаратуре
- •9.9Устройства ввода изображений
- •9.9.1Видеокамеры
- •9.9.2Насадки
- •9.9.3Другие устройства ввода изображений
- •9.10Устройства вывода изображений на дисплей
- •9.11Процессоры
- •9.12Критерий полезности признаков при распознавании объектов
- •9.13Геометрическая модель биологических данных. Система геометрических признаков при распознавании объектов
- •9.14Простые методы обработки изображений
3.12.2Моментальные функции случайных процессов.
Характеристики случайных процессов можно получить, вычисляя моменты тех случай2ных величин, которые наблюдаются в течении этих процессов, т.к. в общем случае эти моменты зависят от временных аргументов, то они называются моментами функции.
Математическое ожидание:
m(t)= .
Есть среднее значение процесса x(t) в текущий момент времени t , усреднение проводиться по всей реализации процесса. Дисперсия позволяет судить о степени разброса мгновенных значений, принимаемых отдельными реализациями в фиксированном сечении значение t относительно среднего значения.
Дисперсия:
σ2(t)=[x(t)-m(t)]2= [x(t)-m(t)]2p(x,t)dx.
Двумерный центральный момент называется функцией корреляции случайного процесса x(t). Эта моментальная функция характеризует степень статистической связи тех случайных величин, которые наблюдаются при t=t1 и t=t2.
Центральный момент:
R (t1,t2)= [x(t1)-m(t1)][x(t2)-m(t2)]p(x1, x2, t1, t2)dx1dx2.
Свойства эргодичности.
Стационарный случайный процесс называют эргодическим, если при нахождении его моментальных функций усреднение по статистическим характеристикам процесса можно заменить усреднением по времени. Операция усреднения выполняется под единой реализацией x(t), длительность T которой теоретически может быть сколь угодно велика.
Математическое ожидание эргодического случайного процесса.
M= ,
где x(t) - усреднение по времени.
Дисперсия подобного процесса.
σ2= [x(t)-m]2 = .
Аналогично находят функцию корреляции :
R(t)= ,
где m2 - мощность флуктуационной составляющей эргодического процесса. Достаточным условием эргодичности случайного процесса в стационарном широком смысле являются стремящиеся к нулю функции корреляции. При неограниченном росте временного сдвига τ:
R(t)=0.
Прибор, измеряющий функцию корреляции случайного процесса называется коррелометром, в нем мгновенные значения случайного сигнала, после фильтрации постоянной составляющей, разделяясь на два канала, поступают на перемножитель, причем в одном из каналов сигнал задерживается на время τ для полного значения функции корреляции сигнал с выхода перемножителя обрабатывается инерциальным звеном, которое осуществляет усреднение.
3.12.3Взаимная функция корреляции двух случайных процессов.
Процессы x(t) и y(t) взаимно коррелированы, функции их корреляции:
Rxy=(t1,t2)= Ryx=(t1,t2)=
Случайные процессы стационарно связаны, если функция Rxy(t1,t2) и Ryx(t1,t2) зависят не от аргументов t1 и t2 , а от разности τ= t2-t1, тогда для них справедливо Rxy(τ)= Ryx(-τ).
3.13Помехи и их математические модели.
Высокочастотные колебания действительно на входе приемника можно представить в виде следующей формулы:
S(t)=k(t)e(t)+n(t), где e(t)- передаваемый сигнал;
k(t)-коэффициент, характеризующий мультипликативную помеху;
n(t)- аддитивная помеха.
Мультипликативная помеха, т.е. помеха непосредственно воздействующая на структуру сигнала возникает в системах в тех случаях, когда характеристики канала передачи вследствие случайных причин меняются во времени. Для видимой помехи соответствуют две составляющие, из которых одна km(t)-медленное изменение коэффициента k(t) во времени, а kσ(t)- быстрое изменение.
k(t)= km(t)* kσ(t)