Процедура - классификация
Cтраница 1
Процедуры классификации могут использовать или самими дискриминантные переменные, или канонические дис-криминантные функции. Здесь просто применяется подход максимизации различий между классами для получения функции классификации. Различение классов или размерность дискрими-нантного пространства из значимость не проверяется. Если же сначала определяются канонические дискриминантные функции и классификация проводится с их помощью, можно провести более глубокий анализ. К этому мы вернемся позднее, а сейчас продолжим рассмотрение классификации, когда дискриминантные переменные используются непосредственно. [1]
Процедура классификации вновь вводимого в ТАБП предприятия начинается с его параметрического описания согласно ФОРП. [2]
Процедура классификации отказа состоит в том, чтобы по каждому классификационному признаку выявить то его значение, которое соответствует рассматриваемому отказу. Далее отказы группируют по принципу совпадения значений признаков классификации. Термин классификация отказов применяется также для обозначения совокупности классификационных признаков и их значений. [3]
РМО осуществляется в процедуре классификации ошибки. [4]
Обслуживание прерывания начинается выполнением процедур классификации ошибок как сбоев ( восстанавливающихся отказов) или невосстанавливающихся отказов. Если при повторениях программы ошибка подтверждается, то она классифицируется как отказ и осуществляется переход к локализации неисправности. Вход в процедуру локализации неисправности может осуществляться автоматически или с пульта управления оператором. В системе автоматической диагностики ЭВМ ЕС-1030 реализован метод раскрутки, который характеризуется последовательным расширением работоспособной части ЭВМ. Поэтому диагностика неисправностей идет по схеме: ОЗУ - Управление режимами работы ОЗУ - - ЗУМК - - Управление режимами работы ЗУМК - Процессор ( проверка узлов с запоминанием информации) - - Процессор ( проверка комбинационных узлов) - Проверка, мультиплексного канала - Проверка селекторного канала. [5]
Рассмотренный пример относится к процедуре классификации по показателям некоторого признака. [6]
В табл. 6.2 обобщены результаты такой процедуры классификации на присутствие кислорода. Классификатор образов здесь должен обучаться выявлению присутствия кислорода в любой функциональной группе в составе соединения, масс-спектр которого является объектом классификации. В первой колонке перечислены обозначения трех обучающих выборок, использованных в опытах. Во второй и третьей колонках таблицы приведены данные о числе линейных положений т / е и числе перекрестных членов, вводимых в классификатор. В пятой колонке приведены данные о показателе скорости сходимости, достигаемом при введении перекрестных членов. Этот показатель выражается отношением общего числа коррекций через обратную связь при обучении с перекрестными членами к их общему числу при обучении только на линейных членах. Таким образом, если данный показатель равен единице, то скорость сходимости не изменяется. [7]
Генерализация - в ГИС представляет собой набор процедур классификации и обобщения, предназначенных для отбора и отображения картографических объектов соответственно масштабу, содержанию и тематической направленности создаваемой цифровой карты. Относительно информационного моделирования генерализация может быть рассмотрена как группа методов, позволяющих сохранить информативность даже при уменьшении объема данных. [8]
Данное положение делает весьма сложной и длительной процедуру классификации новых опасных грузов в соответствии с принятой на практике классификацией по видам опасности. Поэтому разработка методов оценки принадлежности новых опасных грузов к соответствующим классам является одним из наиболее актуальных вопросов развития СПОГАТ. [9]
Научный стиль мышления сыграл значительную роль в процедурах классификации и сильно повлиял на наше представление о формировании понятий. [10]
Если выборка достаточно велика, то мы можем при обосновании процедуры классификации взять случайное разбиение выборки на два подмножества. Одно подмножество необходимо для получения функций, а другое - только для проверки классификаций. Поскольку подмножества имеют различные выборочные ошибки, тестовое подмножество даст лучшую оценку способности предсказания свойств генеральной совокупности. [11]
В настоящее время метод ACN-PCN является общепризнанной в мировой авиационной практике процедурой классификации воздействий опор воздушных судов на покрытия и определения несущей способности последних. [12]
Предварительная обработка исходных данных часто предопределяет успех применения методов распознавания образов и упрощает саму процедуру классификации. [13]
 |
Последовательность анализа РМО и выполнения ТЛН. [14] |
Анализ разрядов РМО, фиксирующих ошибки РССП [ 40 / 63 ], производится в процедуре классификации ошибки при определении возможности повторения команды с начала. При наличии зафиксированных ошибок выполняются автономные ТЛН РССП. [15]
Страницы: 1 2 3