Розроблено модель систем розпізнавання (СР) за умов малих вибірок на підставі оцінки вірогідності їх роботи. За подібних випадків використання класичних оцінок часто призводить до некоректного їх визначення. Для розв'язання проблеми запропоновано диференційні прототипні та ймовірнісні показники оцінки вірогідності роботи СР. Ці показники дозволяють оцінювати вірогідність розпізнавання кожного окремого образу. У межах прототипного підходу досліджено статистичні властивості коефіцієнта вірогідності розпізнавання (КВР). Запропоновано спосіб порівняння ефективності роботи двох систем розпізнавання на підставі 1-го та 2-го моментів КВР. Введено параметр вірогідності розпізнавання, що визначає стійкість КВР до впливу різних видів спотворювальних факторів. У межах імовірнісного підходу показано коректність гіпотези, що розподіл відстаней між образами у межах класів і всієї бази дних є нормальним. Визначено ймовірність розпізнавання окремого образу та ймовірності переходів КВР з різних станів. Запропоновано модель класифікації образів у межах довірчого інтервалу. Для побудови моделі класифікації образів за допомогою диференційованого підходу досліджено особливості використання статистичних критеріїв виявлення. На підставі розроблених показників є можливим проведення швидкого, різнобічного й ефективного аналізу та синтезу СР за умов малих вибірок, що є результатом оптимізації параметрів моделі, який неможливо реалізувати за допомогою класичних підходів.

  Скачати повний текст