Cтраница 1
Методы распознавания образов не накладывают жестких ограничений на размерность решаемой задачи и выгодно отличаются от других широко используемых методов относительно требований, предъявляемых к объему экспериментального материала. Методы распознавания образов предъявляют определенные требования к объему памяти и быстродействию средств вычислительной техники. Однако развитие вычислительной техники, продолжающееся высокими темпами, создание новых поколений вычислительных машин в ближайшем будущем, вероятно, устранит те трудности, которые для некоторых конкретных задач возникают при использовании ЭВМ. [1]
Методы распознавания образов, интуитивно используемые людьми на протяжении всей истории человечества, превратились в строго формализованные алгоритмы в рамках информатики. В принципе ясно, что при использовании полной системы признаков может быть установлено полное соответствие между пространством признаков и пространством объектов. Однако критериев априорной оценки полноты системы признаков пока нет, и они еще определяются интуитивно. В определенной мере достаточность системы признаков может быть достигнута при использовании десятков и сотен признаков, но оперирование с таким числом признаков в распознавании образов может быть обеспечено только всей мощью современной и будущей вычислительной техники. [2]
Методы распознавания образов позволяют более организованно и плодотворно обучаться и прогнозировать. При этом следует учитывать, что методы распознавания образов содержат целый ряд творческих элементов и внедрение их в самых различных ситуациях позволит в дальнейшем обобщить накопленный опыт использования этих методов. [3]
Методы распознавания образов позволяют учесть значительный объем информации. При этом могут использоваться легко доступные данные, которые на первый взгляд кажутся малозначащими. [4]
Методами распознавания образов удалось решить удивительно много практических задач. [5]
В методах распознавания образов вместо точности прогнозирования принято говорить об ошибках или вероятностях ошибок, где под ошибкой понимают отнесение изделия к классу, которому оно в действительности не принадлежит. [6]
Следовательно, методы распознавания образов, дающие возможность с достаточной достоверностью определять тип залежи по данным исследования одной или двух разведочных скважин, ускоряют ввод месторождений в эксплуатацию и могут успешно применяться для определения типа месторождений Тюменской области. [7]
Почти все методы распознавания образов, включающие обучение, используют как основу два описанных выше метода, а именно: отбор посредством сравнения характеристик и усиление путем повторяющихся проб. Различие между двумя методами состоит в том, что первый предназначен для определения новых понятий или категорий на основе данной совокупности характеристик, тогда как последний главным образом посвящен определению достаточно хорошего набора характеристик для заданных понятий или категорий. [8]
Следовательно, методы распознавания образов, дающие возможность с достаточной достоверностью определять тип залежи по данным исследования одной или двух разведочных скважин, ускоряют ввод месторождений в эксплуатацию и могут успешно применяться для определения типа месторождений Тюменской области. [9]
Обращение к методам распознавания образов может привести к достижению большей степени сжатия данных ( см. пример 1), однако это сопряжено с выполнением достаточно большого объема вычислений и, следовательно, требует преодоления трудностей, связанных с хранением и представлением изображений в памяти ЭВМ. [10]
Поэтому более целесообразно применять методы распознавания образов, одним из которых является известный метод главных компонент. Достоинством указанного метода является то, что он позволяет представлять результаты классификации в виде геометрического образа в системе координат, которые отличаются своей наглядностью. [11]
Так как теории и методы распознавания образов по своему характеру являются математическими дисциплинами, то необходимо остановиться на уровне математической строгости, принятом в нашем изложении материала. [12]
Типы данных, анализировавшихся методами распознавания образов, подразделяются на следующие две категории: 1) точно кодируемые структуры; 2) изображения. Примерами точно кодируемых структур служат печатный и рукописный тексты, отпечатки пальцев и иные данные, которые ( в идеальном случае) поддаются двоичному кодированию. Изображения охватывают фотографии и иные зрительные данные, создаваемые путем различных уровней почернения. Изучались и такие типы данных, которые трудно отнести только к одной из этих двух категорий. [13]
Между тем, с позицдй метода распознавания образов, задача поддается строгому дорическому решению. [14]
В основу диагностической процедуры положены методы распознавания образов на основе эталонных динамограмм. [15]