Метод - распознавание - образ
Cтраница 1
Метод распознавания образов в масс-спектрометрии основан на следующей концепции: спектр рассматривается как совокупность данных, которая может быть представлена точкой в р-мерном пространстве. В качестве примера [31] можно рассмотреть группу соединений с известными масс-спектрами, где каждое соединение охарактеризовано лишь тремя спектральными признаками. Тогда каждое соединение можно обозначить точкой в трехмерном пространстве, причем другое соединение, имеющее эквивалентные спектральные признаки, но с другими значениями интенсивностей, будет представлено другой точкой в том же пространстве. И если 100 соединений будет представлено теми же тремя признаками, все они составят рой из 100 точек в этом трехмерном пространстве. Однако нет оснований ограничивать масс-спектр только тремя признаками, целесообразно использовать гораздо большее их число. Тогда каждое соединение будет представлено р признаками в р-мерном пространстве. Результаты измерений становятся координатами каждой точки в - пространстве, и чем больше сходства между соединениями, тем ближе они роятся в - пространстве. [1]
Метод распознавания образов в этом случае просто превращается в набор компьютерных методов, позволяющих исследовать степень совпадения неких формализованных масс-спектрометри-ческих признаков. [2]
Метод распознавания образов [200] позволяет сделать выводы о наличии или отсутствии некоторых особенностей в структуре неизвестных соединений и отнести их к определенному химическому классу. [3]
Универсальность методов распознавания образов связана прежде всего с тем, что как в фундаментальных исследованиях, так и в процессе реализации результатов этих исследований в практических целях, часто встречаются ситуации, которые либо совсем не поддаются формализации другими методами, либо их формализация связана с преодолением значительных трудностей. Важное свойство методов распознавания образов состоит в том, что полного знания распределения вероятностей экспериментальных данных в общем случае не требуется. Если в распоряжении исследов-теля имеется ограниченное число измерений и поэтому нельзя определить параметры статистических распределений, то могут быть использованы непараметрические методы распознавания. [4]
Сущность применения методов распознавания образов сводится к тому, что на основе промысловых данных ( обучающаяся выборка) составляется так называемое решающее правило, которое позволяет отнести предъявляемый объект к одному из классов по некоторым признакам, определяющим данные классы. [5]
Одним из методов распознавания образов является метод потенциальных функций. Этот метод можно использовать в случаях, когда даже исходная информация не подчиняется закону нормального распределения. Обозначим пространство, точкам которого соответствуют различные объекты, подлежащие классификации, через X. Необходимо его разделить на две области, при этом ни границы, ни способ разделения на эти области не известны. [6]
Одним из методов распознавания образов является последовательная диагностическая процедура. В основе ее лежит - метод последовательного анализа, разработанный Вальдом. Последовательная диагностическая процедура имеет ряд существенных преимуществ. Она, как и непараметрические критерии, может быть использована при разных распределенных признаках в сопоставляемых объектах. Этот метод позволяет оценить информативность параметров процесса и выработать основные направления увеличения эффективности его. [7]
Одним из методов распознавания образов является последовательная диагностическая процедура. В основе ее лежит метод последовательного анализа, разработанный Вальдом. Последовательная диагностическая процедура имеет ряд существенных преимуществ. Она, как и непараметрические критерии, может быть использована при разных распределениях признаков в сопоставляемых объектах. [8]
Одним из методов распознавания образов является последовательная диагностическая процедура. [9]
Сущность применения методов распознавания образов сводится к тому, что на основе промысловых данных ( обучающая выборка) составляется так называемое решающее правило ( или учитель), которое позволяет отнести предъявляемый объект к одному из классов по некоторым признакам, определяющим данные классы. [10]
При выборе метода распознавания образов необходимо учесть вид распределения, отличающийся от стандартных, и большой объем выборки для двух признаков. Кроме того, после распознавания принадлежности к классам необходимо принимать оптимальные решения, с помощью которых минимизируют риск при выборе действий, направленных на предупреждение и ликвидацию осложнений и аварий. Поэтому целесообразно использовать непараметрические методы [3], которые позволяют получить оценку апостериорной вероятности появления ситуаций, сопутствующих искривлению скважин. [11]
Для применения метода распознавания образов необходимо иметь значения прогнозирующих параметров к началу предполагаемой проверки работоспособности элементов СУХТП. [12]
При использовании методов распознавания образов эффективность может быть значительно улучшена за счет ограничения применения машинных методов проблемами, для которых они действительно пригодны. При методе обучения эффективность еще более улучшается, если направлять поиск в соответствии с ранее приобретенным опытом. При фактическом анализе ситуации с использованием так называемых методов планирования эффективность машины может быть существенно повышена путем замены первоначально заданного поиска гораздо меньшим по объему и более приемлемым исследованием. Наконец, в разделе, посвященном индукции, мы рассматриваем некоторые более общие идеи, касающиеся выработки разумного поведения у машины. [13]
Технология Excalibur включает метод адаптивного распознавания образов и позволяет работать с цифровой информацией любого типа - текстом, графикой, видео. [14]
 |
Иллюстрация, операторов проектирования и обратного проектирования для двух подмножеств SQ и Si множества. [15] |
Страницы: 1 2 3 4