9) Анализ данных с целью выбора постановки и метода решения

1. Анализ целесообразности кодировки исходных данных.

Если исходные данные легко делятся на группы, то их можно

кодировать без ущерба информативности. Кодировать

нецелесообразно, если исходные данные плохо делятся на группы.

Информативным мы считаем такой набор свойств, на котором объекты

разных образов хорошо различимы.

2. Анализ полноты и качества информации

а) при отсутствующих измерениях необходимо добавить измерения,

проведенные дополнительно;

б) рассмотреть вопрос об исключении из МО объектов, имеющих большое

количество пропусков;

в) рассмотреть возможность восстановления пропущенных значений путем

вычисления (существует много способов заполнения; можно заполнить

средним значением, можно опираться на закон распределения).

12. Этапы решения задач распознавания.

1. Анализ исходных данных для решения конкретной задачи:

— анализируется поставленная цель;

— исследуется ситуация, в которой возможно решение задачи;

— рассматриваются способы описания экспериментального материала;

— анализируется экспериментальный материал для оценки заданного числа образов, числа объектов в каждом образе, соотношений числа объектов и числа свойств, типов свойств;

— изучаются априорные предположения, при этом выясняется расположение заданных объектов в признаковом пространстве, а также определяются степени зависимости свойств, представительность МО, соотношение цен ошибок 1-го и 2-го рода;

— анализируются технологические условия, включающие в себя определение допустимого времени решения задачи; максимальные размеры экспериментального материала (допустимые количества объектов и свойств); режим работы; необходимые технические средства.

2. Анализ модели решения задачи:

— определяется подход к решению задачи;

— фиксируются конкретные априорные предположения;

— фиксируются классы такие мер сходства, мер связи, способы определения информативных наборов свойств; решающие правила;

— фиксируются критерии оценки качества.

Рассмотрение первой и второй стадий соответствует процессу постановки задачи.

3. Выбор оптимального алгоритма для решения задачи:

— выбираются конкретные меры сходства и связи, способ определения информативной совокупности, решающее правило;

— конструируется алгоритм;

— проводятся обучение и контрольный экзамен;

— оценивается качество контрольного решения.

4. Решение задачи:

— проводится решение задачи;

— полученные результаты представляются в заданной форме.

5. Анализ результатов:

— анализируются полученные результаты с точки зрения соответствия выбранным предположениям;

— анализируется форма представления результатов;

дается заключение о целесообразности их дальнейшего использования либо о необходимости повторного решения задачи с помощью другого алгоритма или в рамках другой модели.

16) Мера сходства и ее свойства

Мера сходства — любая функция , характеризующая сходство между

двумя объектами и удовлетворяющая условиям:

1 )

2) симметричность

3) (тогда и только тогда, когда) x = y .