Cтраница 1
Правило классификации заключается в следующем. Для этого рассматривается некоторая область пространства X, расположенная в окрестности точки Xv. [1]
Правило классификации отражает физический смысл задачи: важной оказывается разность между значением параметра объекта и средним значением; если средние значения параметров для двух состояний совпадают, то соответствующая координата не влияет на классификацию; при уменьшении среднеквадратичного отклонения ( рассеяния) диагностическое значение параметра возрастает. [2]
Правило (VI.3) называют правилом классификации Байеса. Каждая точка относится к тому классу, для которого произведение плотности на априорную пероятность р ( X) достигает максимума. [3]
Во всех этих системах обучение правилам классификации происходит в результате рассмотрения цепочки правильно классифицированных обучающих примеров - обучающего множества. При этом предполагается, что такие правила впоследствии могут быть применены к новым данным такого же типа, которых не было в обучающем множестве. Правильная классификация лежит в основе многих систем искусственного интеллекта, таких как интеллектуальные управляющие устройства, системы диагностики, советчики, чувствительные устройства роботов и тому подобные системы. [4]
Применив алгоритм CLS, построить для текущего окна правило классификации. [5]
Формулируя задачу обучения, обычно полагают, что существует идеальное правило классификации, согласно которому объекты делятся на классы. Иногда его называют правилом учителя. [6]
Параметры, описывающие объект, должны достаточно хорошо определять ответ, чтобы правило классификации, построенное алгоритмом в результате анализа тренировочной выборки, было достаточно простой функцией исходных параметров. [7]
Суда, предназначенные только для гонок, делятся на классы, согласно правилам спортивной классификации, которой они объединяются в группы судов, близких или сопоставимых по своим ходовым качествам. [8]
Главной составной частью этого подхода является алгоритм сравнения, который сопоставляет компоненты двух смесей с помощью правила классификации по методу К ближайших соседей. [9]
Вычисленные по этой формуле значения функции существенности позволяют упорядочить признаки объекта по убыванию существенности, что определяет порядок выбора признаков последовательным правилом классификации. [10]
Как говорилось в начале это1, о раздела, движущаяся часть изображения разбивается на компенсируемую область, где предсказание компенсации движения достаточно точно и поправочную информацию передавать не надо, и некомпенсируемую область, для которой ошибку предсказания передавать необходимо. Правило классификации выглядит следующим образом. [11]
Так, согласно Правилам классификации и постройки морских судов Регистра СССР центробежные насосы осушительных систем должны быть самовсасывающими или оборудоваться системой вакуумирова-ния. Самовсасывающие центробежные насосы применяются также в балластной, пожарной и санитарных системах. [12]
Хотя на нейронные сети часто смотрят как на черный ящик, есть некоторые возможности выяснить влияние каждого фактора на решение, принимаемое в задаче классификации. На данное время формального метода, позволяющего извлекать из обученной сети информацию о задаче или о правилах классификации, не существует. В рамках этой книги мы не имеем возможности рассмотреть все описанные в литературе методы выяснения стратегии классификации, которую осуществляет сеть. [13]
Зафиксированная таким способом совокупность конкретных видов чемовеческой деятельности не представляет собой их классификацию. Ее элементы, выделенные на основании самых разнообразных признаков, в подавляющем большинстве находятся между - собой в отношении частичного совпадения или полного включения там, где по правилам классификации это невозможно. Однако существующих различий вполне достаточно для придания каждому из них статуса отдельного вида человеческой деятельности, поскольку в определенном отношении они существенны. [14]
Этот алгоритм принадлежит к методам, осуществляющим перебор заранее определенной совокупности признаков и отбор из нее группы полезных, несущих взаимно-дополнительную информацию. Из этой группы полезных признаков и формируется правило классификации. [15]