Конференции ИВТ СО РАН

VII Всероссийская конференция молодых ученых по математическому моделированию и информационным технологиям (с участием иностранных ученых)

1-3 ноября 2006 года, Красноярск, Россия

Тезисы докладов

Математическое моделирование

Синтез нелинейных непараметрических алгоритмов распознавания образов коллективного типа в условиях неоднородных данных

Капустин А.Н.

Красноярский государственный технический университет

Идея предлагаемого подхода состоит в декомпозиции задачи распознавания образов, построении семейства локальных решающих функций на основании однородных частей обучающей выборки и последующей их организации в нелинейном решающем правиле с помощью методов непараметрической статистики. Однородная часть обучающей выборки содержит её элементы, удовлетворяющие одному или нескольким требованиям, таким как наличие однотипных признаков, отсутствие либо наличие пропусков данных, что порождает широкий круг условий синтеза непараметрических решающих правил. Однородные части обучающей выборки могут отличаться размерностью и количеством элементов

Пусть имеется обучающая выборка, составленная из значений признаков классифицируемых объектов и соответствующих «указаний учителя» об их принадлежности к одному из классов.

Предлагаемый подход к решению задачи распознавания образов предполагает выполнение следующих действий:

1. В соответствии с особенностями задачи классификации сформировать наборы признаков и на этой основе осуществить декомпозицию исходной обучающей выборки.

2. По полученной информации построить набор решающих правил в пространстве однородных групп признаков. При построении частных алгоритмов классификации могут использоваться известные решающие правила, включая непараметрические алгоритмы распознавания образов, основанные на ядерной оценке плотности вероятности типа Розенблатта - Парзена.

3. Организовать вычислительный эксперимент и сформировать новую обучающую выборку в пространстве вторичных наборов признаков, которые составляют значения частных решающих функций в ситуациях исходной выборки. На этой основе построить нелинейное непараметрическое решающее правило в пространстве вторичных наборов признаков.

По результатам статистического моделирования установлено, что нелинейные непараметрические алгоритмы распознавания образов являются эффективным средством решения задач классификации в условиях малых обучающих выборок. Их применение обеспечивает значительное снижение ошибки распознавания образов на контрольных выборках в (1.5-3) раза по сравнению с традиционным непараметрическим классификатором.

Примечание. Тезисы докладов публикуются в авторской редакции

Ваши комментарии
Обратная связь

[Головная страница]
[Конференции]