Запропоновано модифікований нерекурентний метод потенціальних функцій та алгоритм багатовимірної класифікації. Наведено нейромережеву інтерпретацію алгоритму багатовимірної класифікації. Подано рекомендації щодо практичного застосування запропонованих методів.

Рассмотрены феномен, теория и применение естественной (сущностной) классификации как основы любой фундаментальной науки, а также концептуального моделирования в интеллектуальных автоматизированных информационных системах. Разработана и применена для исследования картины мира системология систем-классов (внешних систем). Впервые рассмотрены операционные и математические критерии естественной классификации произвольной проблемной области. Построена категорно-функторная модель естественной классификации как концептуальной модели универсума на основе синтеза системологических и математических методов. Предложен новый метод системологического классификационного анализа на основе естественной классификации, который позволяет отразить в классификации глубинные знания о проблемной области, существенные свойства моделируемых объектов, а также наделить классификацию объяснительной и предсказательной силой. Показано, что применение естественных классификаций схем обеспечивает поддержку принятия оптимальных решений, получение выводов и рекомендаций, повышающих эффективность, а также адаптивность систем и технологий, основанных на знаниях.

Рассмотрены логические системы распознавания образов на основе представления описаний их классов в пространстве логических признаков (на единичном гиперкубе). Показаны возможности обнаружения имеющихся ограничений и достоинств. Сформулированы практические рекомендации на базе обособленности соответствующих образов.

Розглянуто розв'язок задачі класифікації на основі нейронних мереж із латеральним гальмуванням. Висвітлено методи навчання карт ознак самоорганізації Кохонена. Розглянуто питання використання апріорної інформації про значущість ознак. Зроблено аналіз можливості застосування розглянутих моделей. Результати роботи можна використати для будування адаптивних систем діагностики.

Рeaлізовано евристичний алгоритм багатомірної класифікації за ознаками, що базується на поєднанні результатів одномірної класифікації з урахуванням значимості ознак, а також подано його нейромережеву інтерпретацію. Проведено експерименти з порівняння різноманітних модифікацій даного алгоритму на прикладі розв'язання практичних задач.

Розглянуто математичні моделі задачі класифікації, задач побудови лінійних і квадратичних дискримінантних функцій, кодування монохроматичних зображень. Математичні моделі подано у вигляді дискретних, негладких і багатоекстремальних задач оптимізації з метою використання субградієнтних методів мінімізації недиференціальних функцій. Зазначено, що дані моделі та методи можуть бути застосовані у процесі розв'язання деяких задач розпізнавання й аналізу даних.

Рассмотрены математические модели задачи классификации, задач построения линейных и квадратических дискриминантных функций, кодирования монохроматических изображений. Математические модели представлены в виде дискретных, негладких и многоэкстремальных задач оптимизации для использования субградиентных методов минимизации недифференциальных функций. Указано, что данные модели и методы могут быть использованы при решении некоторых задач распознавания и анализа данных.

Розроблено алгоритм, що дозволяє здійснювати класифікацію об'єктів та оцінювати значимість їх ознак. Описано нейромережеву інтерпретацію розробленого алгоритму. Наведено результати експериментів з апробації розглянутого алгоритму.

Розглянуто модель нейромережевого класифікатора з випадковими порогами. Здійснено ймовірносний аналіз характеристик функціонування залежно від параметрів класифікатора, надано рекомендації щодо їх вибору. Запропоновано спосіб оптимізації структури класифікатора до розподілу вхідних даних.

Отмечено, что при решении задач классификации, распознавания и прогнозирования весьма актуальны задачи формирования признакового пространства и способы представления данных, которые существенно влияют не только на возможности выявления тех или иных закономерностей и результаты принятия решений, но и на используемые методы обработки, а также размерности решаемых задач.

Індекс рубрикатора НБУВ: З810.428

Рубрики:

Класифікація образів

Шифр НБУВ: Ж29114 Пошук видання у каталогах НБУВ 

Предложена общая постановка задачи динамического классификационного анализа (ДКА), когда каждый объект по каждому параметру характеризуется набором значений для некоторой последовательности моментов времени (траекторией). В рамках вариационного подхода разработан соответствующий алгоритм ДКА, проведен его теоретический анализ. Доказана теорема о сходимости алгоритма ДКА, обеспечивающая стационарность предельного значения функционала.

Індекс рубрикатора НБУВ: З810.428

Рубрики:

Класифікація образів

Шифр НБУВ: Ж15477 Пошук видання у каталогах НБУВ 

Предложена идея построения совокупности r-редуцированных решающих деревьев, основанная на том, что при попадании классифицируемого объекта, не участвовавшего в обучении, в область отказа решающего дерева, классификация этого объекта должна осуществляться другим деревом на основе конъюнктивной закономерности ранга не большего, чем пороговый ранг.

Предложено направление развития информационной модели Марра. Построенные на этапе обучения модели объектов можно использовать для проведения специального описания новых изображений. На этапе распознавания стоит задача идентификации (на вновь предъявляемых изображениях) тех объектов, которые предъявлялись системе на этапе обучения. Основное внимание при реализации системы должно быть уделено представлению описаний изображения на этапе распознавания. Поскольку известны сами объекты, модели которых хранятся в БД, то за счет этого можно значительно снизить требования к детализации описания и сократить анализируемые потоки информации.

Запропоновано універсальний евристичний алгоритм побудови вектора ознак об'єкта, розподілених за різнорідними групами з використанням нейронної мережі прямого розповсюдження. Описано систему автоматичної класифікації об'єктів. Розглянуто застосування розробленої системи автоматичної класифікації для вирішення задачі атрибуції художніх творів.

Розглянуто дискримінаційні можливості класифікатора з випадковими підпросторами. Одержано оцінку мінімальної помітної відстані як результат аналізу щільності розподілу порогових гіперплощин. Наведено реальні приклади відокремлювальних поверхонь для класичних двовимірних задач. Запропоновано алгоритм локального усереднення синаптичної матриці для покращання ймовірності успішної класифікації для задач з щільностями розподілу, що перекриваються. Доведено, що класифікатор з випадковими підпросторами є універсальним.

Розглянуто застосування експериментальної програми реалізації методу кластеризації до задачі апроксимації візуальних образів за допомогою покриття прямокутниками.

Проаналізовано особливості постановки та підходи до розв'язання задач класифікації для випадків великорозмірних завдань видобутку даних. Надано основи розробленого нейромережного методу розпізнавання та результати його апробації.

Індекс рубрикатора НБУВ: З810.428

Рубрики:

Класифікація образів

Шифр НБУВ: Ж69472 Пошук видання у каталогах НБУВ 

Продолжается исследование оценок надёжности классифицирующих алгоритмов. Рассматриваются существующие и предлагаются новые методы получения интервальных оценок, пригодных в случае малого числа прецедентов.