Построение решающего правила для классификации образов на основе векторов ошибок

• Дата: 2013
• Автор: Четырбок, П.В.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Навчально-науковий комплекс "Інститут прикладного системного аналізу" НТУУ "КПІ" МОН та НАН України 2013
• Назва видання: Системні дослідження та інформаційні технології
• Теми: Математичні методи, моделі, проблеми і технології дослідження складних систем
• Онлайн доступ: http://dspace.nbuv.gov.ua/handle/123456789/50036
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Построение решающего правила для классификации образов на основе векторов ошибок / П.В. Четырбок // Систем. дослідж. та інформ. технології. — 2013. — № 2. — С. 114-120. — Бібліогр.: 3 назв. — рос.

Построено отображение множества образов на множество векторов ошибок распознавания образов нейронною сетью, которое позволяет связать классификацию образов с анализом векторов в пространстве ошибок. Векторный критерий позволяет группировать образы, распознавать, сравнивать и анализировать их. Обоснованы и развиты методы теории нейронных сетей применительно к решению задачи распознавания сигналов с использованием критерия близости распознаваемых образов в пространстве ошибок распознавания. Сформулирован взвешенный критерий близости образов сигналов в пространстве ошибок. Предложен алгоритм перехода из пространства параметров образов в пространство ошибок распознавания образов. Построено оптимальное решающее правило для классификации образов сигналов с использованием взвешенного критерия близости распознаваемых образов в пространстве ошибок распознавания. Достоверность полученных научных результатов, выводов и рекомендаций работы подтверждена результатами экспериментальных исследований разработанной универсальной системы интеллектуального анализа данных, которая решает задачи распознавания объектов электрооптических изображений NEFClass BGCGG (Neuro Fuzzy Classifier (Basic Gradient Conjugate Gradient, Genetic) — Нейро-нечеткий классификатор (Базовый, Градиент, Сопряженный Градиент, Генетический)), проведенных на базе «Института прикладного системного анализа» НТУУ «КПИ». Полученные в работе результаты, наглядно демонстрируют эффективность использования разработанных моделей, методов и алгоритмов для решения задач распознавания сигналов.