УЧЕТ МНОЖЕСТВА СЛУЧАЙНЫХ ФАКТОРОВ ПРИ ИСПОЛЬЗОВАНИИ МИНИМАКСНОГО КРИТЕРИЯ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБЪЕКТОВ
Работая с нашим сайтом, вы даете свое согласие на использование файлов cookie. Это необходимо для нормального функционирования сайта, показа целевой рекламы и анализа трафика. Статистика использования сайта отправляется в «Яндекс» и «Google»
Научный журнал Моделирование, оптимизация и информационные технологииThe scientific journal Modeling, Optimization and Information Technology
cетевое издание
issn 2310-6018

УЧЕТ МНОЖЕСТВА СЛУЧАЙНЫХ ФАКТОРОВ ПРИ ИСПОЛЬЗОВАНИИ МИНИМАКСНОГО КРИТЕРИЯ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБЪЕКТОВ

Гагарин Ю.Е.  

УДК 004.93
DOI: 10.26102/2310-6018/2019.24.1.014

  • Аннотация
  • Список литературы
  • Об авторах

В современных системах распознавания образов, исходные данные, как правило, являются случайными величинами, и результаты статистической обработки таких данных могут привести к существенным ошибкам распознавания. В данной статье рассматриваются возможности учета погрешностей исходных данных в случае использования минимаксного критерия. Предполагается, что описаниями объектов являются априорные вероятности появления объектов и условные плотности распределения вероятностей значений признаков, параметрический вид которых известен. Для определения оценок параметрической модели с учетом погрешностей значений функций и аргументов использовались методы конфлюэнтного анализа, позволяющие получать несмещенные оценки параметров. Показано, что учет погрешностей параметров условных плотностей распределения вероятностей приводит к необходимости учета погрешности границ разделения классов и необходимости корректирования формул определения ошибок первого и второго рода. Погрешность границ разделения признакового пространства приводит к возникновению зоны неопределенности, ширина которой будет зависеть от погрешностей параметров условных плотностей распределения вероятностей. В статье, предложен способ оценивания границ разделения признакового пространства для нормально распределенных условных плотностей распределения вероятностей с учетом погрешностей исходных данных, в котором погрешности параметров определяются исходя из дисперсий оценок параметров. Разработанный подход может использоваться в задачах распознавания объектов по множеству случайных признаков

1. Горелик А.Л., Скрипкин В.А. Методы распознавания. – М.: Высшая школа, 1984. – 208 с.

2. Грешилов А.А. Математические методы принятия решений: Учеб. пособие для вузов. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2006. – 584 с.

3. Федоров В.В. Теория оптимального эксперимента. – М.: Наука, 1971. – 312с.

4. Fuller W.A. Measurement error models. New york ect.: – Wiley, 1987. – 440 p.

5. Кендалл М., Стьюарт А. Статистические выводы и связи. – М.: Наука, 1973. – 900 с.

6. Дуда Р., Харт П. Распознавание образов и анализ сцен. – М.: Мир, 1976. – 511с.

7. Гагарин Ю.Е. Способ идентификации объектов с учетом случайного характера исходной информации // Труды международной конф. «Идентификация систем и задачи управления» SICPRO’2000. – М.: Институт управления им. В.А.Трапезникова РАН, 2000. – С.2087-2093.

Гагарин Юрий Евгеньевич
кандидат технических наук доцент
Email: g_ug@mail.ru

Калужский филиал ФГБОУ ВО «Московский государственный технический университет им. Н.Э. Баумана»

Москва, Российская Федерация

Ключевые слова: распознавание объектов, случайные величины, минимаксный критерий, методы конфлюэнтного анализа, граница разделения классов

Для цитирования: Гагарин Ю.Е. УЧЕТ МНОЖЕСТВА СЛУЧАЙНЫХ ФАКТОРОВ ПРИ ИСПОЛЬЗОВАНИИ МИНИМАКСНОГО КРИТЕРИЯ В ЗАДАЧАХ РАСПОЗНАВАНИЯ ОБЪЕКТОВ. Моделирование, оптимизация и информационные технологии. 2019;7(1). Доступно по: https://moit.vivt.ru/wp-content/uploads/2019/01/Gagarin_1_19_1.pdf DOI: 10.26102/2310-6018/2019.24.1.014

0