Пространство - описание
Cтраница 1
Пространство описания представляет собой набор возможных описаний объектов, выделенных на последовательных шагах декомпозиции. Каждый признак представляет собой степень свободы качественных различий объектов. [1]
Итак, выбор пространства описания для задачи распознавания образов распадается на три зтапа. [2]
Формальный аппарат определения пространства описания базируется на использовании реляционной модели и операций над множествами. Идейной основой всех различных подходов является общая теория иерархических систем. [3]
Совокупность всех отношений образует пространство описания объекта. Анализ этого пространства на этапе проектирования может использоваться как основа для принятия решений по обоснованию логической структуры базы данных, оценки полноты и степени связности информационных совокупностей. [4]
Фактически как только вы перешли в пространство описания, объекты могут определяться в терминах любого числа переменных. Если у вас одна размерность соответствует одной переменной, то множество объектов, определенных десятью переменными, существует в десятимерном пространстве описания. Идея расположения поверхности между ними по-прежнему справедлива. Вы можете иметь десятимерную поверхность для десяти переменных, и каждый объект классифицируется в соответствии с тем, на какой стороне поверхности он находится. [5]
 |
Пространства описаний, состоящее из двух измерений. [6] |
Они распределены в особом пространстве - - пространстве описаний. [7]
Рассматриваются линейные функции, определенные в различных подпространствах пространства описания. Предполагается, что все точки описания проектируются в это nonnpocTpancTBOv Сложностью функции считается размерность подпространства, в котором она определена, или, что то же самое, число настраиваемых коэффициентов регрессии. [8]
Рассмотренный алгоритм использует локальное поведение-функции, определяющей классификацию объектов в пространстве описания, вблизи каждой точки рабочей выборки. Даже в тех случаях, когда решающее правило существенно нелинейно, в некоторой окрестности оно приближается к линейному. С ростом окрестности качество линейного приближения падает. С другой стороны, растет часть обучающей и рабочей выборок, попадающая в окрестность. Алгоритм ищет компромисс между этими противоборствующими факторами. [9]
Идея этого алгоритма основана на гипотезе, что плотность распределения в пространстве описания многомодальна. [10]
Если каждому образу поставить в соответствие определенную вероятностную меру PV, заданную на пространстве описаний, то некоторое изображение S ( x) можно рассматривать как результат наблюдений, на основании которых следует решить вопрос о вероятности его принадлежности к одному из образов. [11]
Если требуется больше информации, то может использоваться то или иное понятие соседства в пространстве описаний. Как для обычной системы памяти со случайными связями, так и для систем списочной памяти потребуется создать метод кодирования и систему извлечения информации, которые позволяли бы находить документы, относящиеся к указанному диапазону тем. При этом возникают математические проблемы, близкие к вопросам теории кодирования - проблемы, связанные с нахождением того правильно закодированного сообщения, которое меньше всего отличается от искаженного при передаче. Отношения соседства в пространстве описаний могут быть основаны на простых семантических свойствах предложений, например на подобии значений различных терминов. Могут также использоваться логические отношения; можно потребовать, чтобы система извлечения информации нашла наименее общее утверждение, применимое в данной ситуации. Если система памяти будет использоваться для индуктивных выводов то может понадобиться найти то из непосредственно неприменимых утверждений, которое с помощью самой слабой формальной процедуры обобщения можно сделать применимым. [12]
Отбросив предложенный образ стола, можно манипулировать любыми числами и любыми объектами, размещая их в пространстве описания. Это теперь не просто плоская поверхность стола или трехмерное пространство, а совершенно новое пространство, которое определяется теми переменными, которые вы используете, - каждая переменная соответствует одной оси. И значения этих переменных, соответствующие конкретному объекту, определяют его положение в пространстве описания. [13]
Методы теории распознавания образов особенно интересны для предсказания новых структур психоактивных соединений, поскольку они позволяют отобрать для прогноза наиболее информативные признаки описания; предусматривают применение более гибкого математического аппарата ( так как при выборе решающего правила можно учесть структуру множеств классов в пространстве описания); не накладывают на априорную информацию таких жестких условий, как в регрессионном анализе и, более того, по мере накопления информации осуществляется автоматическая коррекция построенных моделей. [14]
Многомерность ИЭС вызывает необходимость использования методов структурного анализа и методов декомпозиции. В общем виде целевая задача декомпозиции состоит в определении пространства описания ( использована терминология [50]), которое является исходным для разработки алгоритмов преобразования информации, включаемых в состав СОЭИ. [15]
Страницы: 1 2