Cтраница 2
Мы проиллюстрируем этот метод структурного распознавания образов следующий примером. [16]
Наконец, использование методов распознавания образов в исследовании нефтеотдачи лишь начинается, и в соответствующем разделе изложен материал, имеющий в основном методический характер. [17]
Здесь рассматривается несколько методов распознавания образов применительно к определению типа газоконденсатных месторождений с нефтяной или без нефтяной оторочки. [18]
Классификация на базе методов распознавания образов дает числейные характеристики близости объектов и позволяет дать оценку или сделать минимальной вероятность неправильной класси -, фикации, точнее - добиться того, чтобы неправильно выводы делались реже и сокращались по мере накопления опыта и информации благодаря адаптации и обучению. [19]
Вид профилактики определяется методом распознавания образов. Наиболее приемлемым в данном случае будет последовательный анализ Вальда, так как его применяют тогда, когда измерения по своей природе последовательны. К достоинствам данного метода относится и то обстоятельство, что он обеспечивает минимизацию среднего числа наблюдений и потерь от неверной классификации распознаваемых образцов. [20]
КОРРЕЛЯЦИОННЫЙ МЕТОД РАСПОЗНАВАНИЯ - метод распознавания образов, основанный на вычислении оценок коэффициентов корреляции между рассматриваемым сигналом и каждым из нескольких эталонов сигналов и выборе эталонного сигнала, которому соответствует наибольший коэффициент корреляции. При использовании КМР признаки, характеризующие объект распознавания, должны быть однородными, т.е. должны представлять собой результаты измерения какой-либо одной физической величины в различные моменты времени или в разных точках пространства. [21]
Таким образом, применение метода распознавания образов позволяет без дополнительных затрат и изменения применяемой технологии повысить успешность предупреждения и ликвидации грифонообразования и других видов осложнений проводки скважин. [22]
В докладе рассмотрено применение методов распознавания образов и других методов статистической классификации данных для формирования минимального факторного пространства, несущего необходимую информацию о процессе. Приведена обобщенная схема принятия решения об использовании тех или иных методов классификации в зависимости от априорной информации и подстройки метода к получаемым экспериментальным данным. Показана эффективность рассматриваемых методов при выделении допустимой области существования технологического процесса, обеспечивающего выпуск продукции в соответствии с ТУ. [23]
Очевидно, что применение методов распознавания образов, дающих возможность с достаточной достоверностью определять тип залежи по данным исследования одной или двух разведочных скважин, способствует значительному сокращению расходов на проведение разведочных и исследовательских работ на вновь открытых месторождениях. [24]
В силу зашумленности изображения такой метод распознавания образов применим только к решению простейших задач, например в случае оптического распознавания символов. Чтобы классифицировать возможные образы, необходимо обработать только этот вектор. [25]
Алгоритм, лежащий в основе методов распознавания образов, состоит из обучения и распознавания. В процессе обучения осуществляется последовательное предъявление объекта с указанием класса, к какому он принадлежит. Такое указание должно быть достоверно правильным. Задача распознавания сводится к нахождению решающего правила, в соответствии с которым рассматриваемый новый объект можно отнести к одному из заданных классов. [26]
С момента своего возникновения разработка методов распознавания образов шла по двум направлениям: с одной стороны, различающихся типом используемых математических моделей изучаемых объектов - вероятностных и детерминированных, с другой - характером обрабатываемых данных - количественных и, в основном, описательных, качественных. Вероятностный подход обычно применялся для решения задачи распознавания в случае описания геологических объектов количественными характеристиками. [27]
Алгоритм, лежащий в основе методов распознавания образов, состоит из обучения и распознавания. В процессе обучения осуществляется последовательное предъявление объекта с указанием класса, к какому он принадлежит. Такое указание должно быть достоверно правильным. Задача распознавания сводится к нахождению решающего правила, в соответствии с которым рассматриваемый новый объект можно отнести к одному из заданных классов. [28]
Кластерный анализ обычно считается частью метода распознавания образов. Он заключается в нахождении однородных выборок, содержащих сходные данные. [29]
Основываясь на этом предварительном описании методов распознавания образов, следует поставить несколько вопросов. Какие признаки должны быть выбраны. Должны ли использоваться последовательные или одновременные измерения. Могут ли служить признаками оценки переменных состояния или параметров. Каким должен быть вид классификатора или дискриминирующей функции. [30]