Оценка - информативность - признак
Cтраница 1
Оценка информативности признаков может быть произведена посегментной фрагментацией для дискретных средств отображения информации либо фрагментацией по последовательно уменьшающимся участкам символов для средств отображения любого типа. [1]
Приведенный метод оценки информативности признаков предполагает наличие классов. [2]
Вопросам анализа оценки информативности признаков посвящен ряд работ [1-3], где рассматриваются особенности вероятностно-статистических методов, а в [4, 5] - принципы адаптивных методов. В работе [6] приводится сравнительный анализ обоих подходов к решению задач классификации и показано, что адаптивный метод, построенный на минимизации среднеквадратической ошибки, для равного количества выборок ситуаций классов эквивалентен оптимальному статистическому классификатору, а простая модификация метода адаптации позволит сходиться к почти оптимальному статистическому классификатору даже при неравном количестве выборок ситуаций обоих классов. [3]
 |
Распределение скважин в зависимости от суммы диагностических коэффициентов А - эффективные. В - неэффективные. [4] |
Метод Кульбака оценки информативности признаков был применен также для решения задачи о степени влияния различных факторов на эффективность вытеснения нефти водой. [5]
 |
Распределение значений давления разрыва ( р в порядке возрастания. [6] |
Удобной мерой для оценки информативности признаков является мера Кульбака. Она позволяет оценить не достоверность различий между распределениями, а степень этих различий. [7]
В работе предлагается способ оценки информативности признаков объекта при решении задач классификации, использующий методы многофакторного планировании экспериментов. [8]
В методах, в которых оценка информативности признаков основана не только на критерии различия объектов из разных классов эталонной выборки, но и на комбинации нескольких критериев, что, в частности, свойственно логическим методам распознавания, этап выбора информативной системы может осуществляться непосредственно после составления таблицы описаний эталонных объектов. [9]
Термином метод тупиковых тестов обозначается первый разработанный в 1966 г. А. Н. Дмитриевым, Ю. И. Журавлевым, Ф. П. Кренделевым логический метод распознавания, использующий для оценки информативности признаков понятие тупикового теста. Иногда этот же термин применяется и к последующим модификациям указанного метода. [10]
Разработка СТЗ для РТК включает в себя ряд этапов, в том числе: выбор подходящих видеодатчиков с учетом условий освещенности в рабочей зоне; оценку информативности снимаемых признаков; синтез решающих правил и их реализацию на базе современных средств вычислительной техники. [11]
При выборке информативной комбинации признаков на основе критерия их связи с целевым признаком из объектов эталонной выборки составляется по крайней мере два вариационных ряда, представляющих собой таблицы, в которых объекты упорядочены в соответствии с возрастанием ( убыванием) значений целевого признака и каждый класс представлен одним объектом. Оценка информативности признаков, значения которых ( единица или нуль) содержатся в столбцах вариационных рядов, проводится путем сравнения последних. Мерой информативности признаков служит некоторая функция от биноминальных коэффициентов, составляющих смещенный треугольник Паскаля, значения которой находятся во взаимно однозначном соответствии со степенью упорядоченности ( монотонности) наборов значений признаков. [12]
III рассматривался метод определения информативности признаков, изменяющихся непрерывно в технологическом процессе, на основе статистической информации. Оценка информативности дискретных признаков возможна с учетом их вариаций внутри класса и во всем множестве классов. [13]
С созданием указанных модификаций и методов связано возникновение термина тестовый подход. Этим термином обозначается определенный способ оценки информативности признаков в методах распознавания образов, в основе которого лежит понятие тупикового теста, вернее, критерий неизбыточности информации, входящий в понятие тупикового теста. [14]
Однако, как показали многочисленные опыты по решгнию геологических задач, в самом обычном случае 70 - 89 % информации, содержащейся в описаниях геологических объектов, не имеет отношения к исследуемому свойству, и ее удаление существенно улучшает качество распознавания. Поэтому при исследовании геологических объектов методами распознавания образов возникает самостоятельная задача селекции информационных шумов, которая хотя и сводится к задаче выбора информативного набора признаков, однако не может быть эффективно решена на основе оценки информативности признаков относительно критерия различия описаний объектов из разных классов эталонной выборки. Это связано с тем, что при выборке комбинаций информативных признаков по такому критерию в большинстве методов распознавания значение меры информативности отдельных признаков вычисляется с учетом остальных признаков. [15]
Страницы: 1 2