5. Прямые и косвенные свойства в задачах распознавания.
Образ — совокупность объектов, объединенная некоторыми общими свойствами.
Косвенные свойства — свойства, описывающие объекты, но не определяющие принадлежность объекта к конкретному образу. Их можно определить простым и более дешевым способом, чем прямые свойства.
Прямые свойства — свойства, определяющие принадлежность объекта к конкретному образу.
Объекты, на которых измерены прямые свойства называются материалом обучения (МО).
Объекты, на которых не измерены прямые свойства называются материалом экзамена (МЭ).
7. Основные этапы анализа данных.
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.
8. Анализ расположения объектов в пространстве свойств с целью выбора алгоритма распознавания.
Анализ расположения объектов в пространстве свойств. Для этого необходимо пере описать исходное пространство до двухмерного и в этом пространстве рассмотреть расположение объектов.
Например, для случая, изображенного на рис. 5.3, может быть применен алгоритм распознавания Голотип-N, для рис. 5.4 — алгоритм Энтропия, для рис. 5.5 — алгоритм Дискриминантная функция, для рис. 5.6 — алгоритмы Дискриминантная функция (но с большим количеством ошибок) или Голотип-N.
Типы расположения объектов:
9. Этапы решения задач распознавания.
Общая схема решения задачи.
Общая схема включает в себя все существующие частные схемы решения, соответствующие отдельным алгоритмам распознавания, группирования, направленного поиска и состоит из пяти стадий.
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.