Мера - сходство
Cтраница 3
Традиционный подход к изучению сходства или неразличимости состоит в том, чтобы сначала определить меру сходства, а затем исследовать взаимное расположение сходных объектов. Английский математик Зиман, изучая модели зрительного аппарата, предложил аксиоматическое определение сходства. Тем самым свойства сходства стало возможным изучать независимо от того, как конкретно оно задано в той или иной ситуации: расстоянием между объектами, совпадением каких-то признаков или субъективным мнением наблюдателя. [31]
Примеры некоторых классов состояний технологического процесса перекачки нефти, их связь с параметрами и мерой сходства приведены в таблице. [32]
 |
Корреляционная матрица. [33] |
Заметим, что при объединении двух объектов, содержащих несколько элементов Лг -, за меру группового сходства можно принять среднее арифметическое расстояний между элементами объединенных групп. [34]
Степень удовлетворения требования субъекта А к k - му свойству объекта ( субъекта) В отражает мера сходства Sk ( RAk, PBk), способ вычисления которой зависит от представления информации о свойствах и требованиях. [35]
Точно также необходимо [ видеть ] различать у элементов общие их свойства, находящиеся в периодической зависимости [ постоянную меру сходства и различия, определяемую близостью ] от атомных весов ( напр, способность давать известные формы окисления - это свойство само по себе периодично), и индивидуальные свойства, зависящие от упомянутых выше отступлений. [36]
После того как сформирована процедура получения значений параметров целостной системы, значения функции ценности вариантов можно вычислить как обобщенную меру сходства вектора внешних требований RG со свойствами конкретного варианта PC ( F. Для построения функции ценности применяются меры сходства, описанные в разд. [37]
Одним из способов оценки разрешающей способности диагностической системы твляется оценка ее по максимальной мере сходства между эталонами образов Чем яыше мера сходства, тем труднее различаются эти образы, тем менее надежна си-свема диагностики. [38]
Рассмотрим снова наш исходный пример - задачу обнаружения местонахождения треугольника на рис. 7.3. Предположив, что мы уже приняли одно из определений расстояния в качестве меры сходства, мы все-таки должны еще спроектировать сам эталон. После некоторого размышления придем к заключению, что эта проблема в том виде, в каком она поставлена, может быть решена только с помощью целого набора эталонов. Клин, например, если нет каких-либо явных ограничений, может находиться в любом месте сцены и может быть виден под любым углом. Следовательно, видимый размер его треугольной грани будет колебаться в широких пределах и кажущаяся величина его внутренних углов также может быть самой разной. Для каждого такого положения клина нам, очевидно, необходим отдельный эталон, и в связи с тем, что каждый эталон нужно перемещать по всей сцене, объем вычислений будет, по-видимому, большим. В такой ситуации естественным подходом к решению этой задачи является замена глобального эталона набором локальных эталонов. Локальные эталоны проектируются таким образом, что они соответствуют различным частям интересующего нас объекта. Основной довод в пользу этого разделения заключается в том, что отдельные части меняются по своему виду меньше, чем целый объект. [39]
Термин близость, по терминологии Р. Н. Шепарда [24], относится к сходству, различию, корреляции, мере пересечения или же к любой другой переменной, используемой в качестве меры сходства r ( xu, xs) или расстояния d ( xu, xs) между двумя объектами одного вида. [40]
Мера сходства также вводится аксиоматически. Мера сходства ( xitXj) - неотрвдательная вещественная функция. [41]
Он сначала объединяет самые близкие объекты, затем к уже образованным кластерам присоединяются сходные с ними объекты. Мерой сходства в данном случае является 1 - коэффициент корреляции Пирсона. [42]
Мерой сходства называется некая числовая характеристика, которая показывает насколько близки два рассматриваемых множества в плане близости значений, входящих в множества величин. Как таковое, одно значение меры сходства не несет никакой смысловой нагрузки. Однако, при наличии большого количества множеств, которые надо сравнить с одним неизменяемым множеством, с помощью меры сходства можно показать какие из множеств наиболее близки к рассматриваемому и насколько. Даже без использования каких-либо алгоритмов нетрудно увидеть, что к множеству А ближе находится множество D, а затем уже по очереди следует В. [43]
Метод полных связей позволяет устранить указанный недостаток. Здесь мера сходства между объектом - кандидатом на включение в кластер и всеми членами кластера не может быть меньше некоторого порогового значения. [44]
Страницы: 1 2 3