Эффективность вероятностных систем распознавания - раздел Философия, ОБЩАЯ ХАРАКТЕРИСТИКА ПРОБЛЕМЫ РАСПОЗНАВАНИЯ ОБЪЕКТОВ И ЯВЛЕНИЙ
Чтобы Оценить Эффективность Вероятностных Систем Распознавани...
Чтобы оценить эффективность вероятностных систем распознавания на основе математического моделирования, можно использовать метод статистических испытаний. Для проведения таких испытаний может служить математическая модель функционирования распознающей системы, принципиальная схема которой представлена на рис. 10.1, где БФРО — блок формирования распознаваемых объектов, БООП — блок ошибок определения признаков, БОАОК — блок ошибок априорного описания классов, БООАИ — блок ограничения объема апостериорной информации, БР — блок распознавания, БОПЭ — блок оценки показателя эффективности, ДСЧ — датчик случайных чисел.
Принцип действия модели следующий. Для проведения каждого испытания с помощью ДСЧ формируется модель объекта, принадлежность которого к определенному классу заранее известна. Формирование модели объекта производится заданием совокупности числовых значений признаков х1 ..., xN, которые для объектов из класса Ωi генерируются как реализации многомерной случайной величины с заданным законом распределения f1(x1 ..., ..., xN) по одному из известных алгоритмов [34].
Числовые значения параметров x1 ..., xn представляющие собой распознаваемый объект, подвергаются случайному искажению, что имитирует результат воздействия различных помех в процессе определения признаков x1 ..., xn при использовании соответствующих технических средств с определенными точностными характеристиками. Искаженные значения параметров x¢1 ..., x¢N, представляющие наблюдаемый объект в том виде, в каком его воспринимает система, поступают на вход БР, в котором определяется принадлежность объекта одному из классов Ω1, ..., Ωm. Блок БОПЭ сопоставляет номер класса, к которому отнесен объект блоком распознавания БР, с «истинным» номером, т. е. с тем, который задавался на первом этапе формирования объекта, определяет правильность распознавания объекта и систематизирует соответствующую информацию для подсчета оценок
Рис. 10.1
вероятностей верных и ошибочных решений. При распознавании объектов из класса Ωi, оценкой рi вероятности получения правильного решения служит отношение количества правильных ответов Niпр к общему числу испытаний Ni над объектами класса Ωi, т. е. pi»Niпр/Ni. Число испытаний Ni определяется доверительной вероятностью, задаваемой при формулировке задачи исследования.
В зависимости от задачи исследования искажению могут подвергаться также априорные данные о классах объектов, т. е. функции распределения fi(x1, ..., xN) и Р(Ωi), информация о признаках х1 ..., xN может урезаться, что соответствует отсутствию некоторых средств определения признаков, и т. п.
Если априорные вероятности Р(Ωi) появления объектов из разных классов известны, то безусловная вероятность правильного решения задачи распознавания данной системой может быть выбрана в качестве критерия эффективности системы распознавания:
(10.1)
Рассмотренная статистическая модель позволяет найти зависимость W от вида и количества привлекаемых для распознавания признаков x1, ..., xN и точности s1 ..., ss технических средств, которыми оснащается распознающая система, т. е. W= W(x1 ..., хn; s1 ..., ss).
Сведения, содержащиеся в этом равенстве,— исходные для задач об определении состава технических средств наблюдений системы распознавания, необходимых точностей их работы, об оптимальном с точки зрения экономических соображений распределения точностей по средствам и т. д.
Таким образом, экспериментирование со статистической моделью системы распознавания позволяет без обращения к лабораторным и натурным экспериментам решать задачи, связанные с построением оптимальных систем распознавания.
Качественное описание задачи распознавания i
Распознавание образов (объектов, сигналов, ситуаций, явлений или процессов) — едва ли не самая распространенная задача, которую человеку приходится решать практически ежесекундно от первого до посл
Основные задачи построения систем распознавания
Рассмотренный в § 1.1 пример свидетельствует о том, что распознавание сложных объектов и явлений требует создания специальных систем распознавания — сложных динамических систем, сос
Экспертные системы распознавания
Рассмотренная классификация систем распознавания и принципы их функционирования отражают современное состояние вопроса. Все виды систем распознавания базируются на строго формализов
Содержательная трактовка проблемы распознавания
Процесс распознавания состоит в том, что система распознавания на основании сопоставления апостериорной информации относительно каждого поступившего на вход системы объекта или явле
Постановка задачи распознавания
Пусть задано множество объектов или явлений Ω={w1 ..., ..., wz}, а также множество возможных решений L={l1, ..., lk}, которые могут
Метод решения задачи распознавания
Рассмотренная постановка проблемы распознавания позволяет определить последовательность задач, возникающих при разработке системы распознавания, предложить их формулировки и возможн
Системы распознавания без обучения
Построение систем распознавания без обучения возможно при наличии полной первоначальной априорной информации, которая представляет собой совокупность: 1) сведений о том, какова есте
Обучающиеся системы распознавания
Использование методов обучения для построения систем распознавания необходимо в случае, когда отсутствует полная первоначальная априорная информация. Ее объем позволяет подразделить
Самообучающиеся системы распознавания
На практике иногда приходится сталкиваться с необходимостью построения распознающих устройств в условиях, когда провести классификацию объектов либо невозможно, либо по тем или другим соображениям
Критерий Байеса
Критерий Байеса — правило, в соответствии с которым стратегия решений выбирается таким образом, чтобы обеспечить минимум среднего риска. Применение критерия Байеса целесообразно в с
Минимаксный критерий
При построении систем распознавания возможны такие ситуации, когда априорные вероятности появления объектов соответствующих классов неизвестны. Минимизировать значение среднего риск
Критерий Неймана—Пирсона
При построении некоторых систем распознавания могут быть неизвестны не только априорные вероятности появления объектов соответствующих классов, но и платежная матрица (1.7). В подоб
Процедура последовательных решений
Ранее предполагалось, что решение о принадлежности распознаваемого объекта w соответствующему классу Ωi, i=l, ..., m, принимается после измерения всей совокупности
Регуляризация задачи распознавания
В соответствии со стратегией Байеса, если у распознаваемого объекта со измеренное значение признака х = х0 , то
Рабочего словаря признаков
В § 5.1 был рассмотрен один из возможных методов выбора пространства признаков системы распознавания, обеспечивающий в пределах выделенных ресурсов максимальное значение критерия ка
Сравнительная оценка признаков
Выше были рассмотрены достаточно общие методы выбора совокупности признаков, которые целесообразно и доступно использовать при построении системы распознавания. Однако на практике д
Изображающие числа и базис
Булева функция считается заданной, если можно указать значения истинности этой функции при всех возможных комбинациях значений истинности входящих в нее элементов. Таблицу, которая
Восстановление булевой функции по изображающему числу
Рассмотрим методы, позволяющие переходить от задания булевой функции в виде изображающего числа к явному выражению ее через элементы.
Дизъюнктивная нормальная форма (ДНФ).
Зависимость и независимость высказываний
Условия независимости. Поскольку каждая булева функция может иметь два значения истинности, n булевых функций могут образовывать 2n комбинаций значений истинности. По опр
Булевы уравнения
Решение многих задач, связанных с распознаванием объектов, может быть сведено к нахождению решений булевых алгебраических уравнений с одним (или более) неизвестным. Примером булева
Замена переменных
Понятие замены переменных в алгебре логики аналогично понятию замены переменных в обычной алгебре. Если А, В, С, ... — элементарные высказывания и совершается замена переменных, то,
Решение логических задач распознавания
В логических системах распознавания классы и признаки объектов рассматриваются как логические переменные. Чтобы подчеркнуть эту особенность, для обозначения классов и признаков введ
Решение задач распознавания при большом числе элементов
Приложение изложенных в предыдущих параграфах методов построения сокращенного базиса и решения логических задач существенно ограничивается объемом памяти ЭВМ и их быстродействием. Т
Распознавание объектов в условиях их маскировки
Маскировка — один из основных методов снижения эффективности разведки противника в общем комплексе мероприятий по противодействию. Решение проблемы маскировки требует привлечения, с
Распознавание в условиях противодействия
Рассмотрим задачу распознавания объектов в условиях, когда противник может препятствовать как выявлению отдельных признаков объектов, так и сознательно изменять свою тактику в отнош
Алгоритмы распознавания, основанные на вычислении оценок
Логические алгоритмы распознавания, рассмотренные выше, в ряде случаев не позволяют получить однозначное решение о принадлежности распознаваемого объекта к определенному классу. Ю.
Общая характеристика структурных методов распознавания
Во многих случаях апостериорная информация о распознаваемых объектах или явлениях содержится в записях соответствующих сигналов (электрокардиограмм, энцефалограмм, отраженных от цел
Основные элементы аппарата структурных методов распознавания
Говоря о средстве описания объектов в терминах непроизводных элементов и их отношений, употребляют понятие язык. Правила этого языка, определяющие способы построения объекта из непр
Постановка задачи оптимизации процесса распознавания
Прежде всего покажем, что с увеличением числа признаков, используемых при распознавании, вероятность правильного распознавания неизвестных объектов также увеличивается.
Вер
Алгоритм управления процессом распознавания
Рассмотренные понятия позволяют построить алгоритм управления процессом распознавания в виде правила последовательного поиска решений, обеспечивающего разработку оптимального плана
Частные подходы к принятию решений при распознавании
Решение задачи оптимизации распознавания в рассмотренной постановке требует наличия определенных данных. Когда они отсутствуют, приходится пользоваться частными подходами к пр
Алгебраический подход к задаче распознавания
Выше рассмотрены алгоритмы распознавания: детерминированные алгоритмы, основанные на проведении в признаковом пространстве решающей границы (границы, разделяющей классы и представля
Эффективность логических систем распознавания
При построении логических систем распознавания приходится сталкиваться с ситуацией, когда значения истинности элементов А1..., Аn, выражающих признаки объектов
Хотите получать на электронную почту самые свежие новости?
Подпишитесь на Нашу рассылку
Наша политика приватности обеспечивает 100% безопасность и анонимность Ваших E-Mail
Новости и инфо для студентов