Линейная дискриминантная функция

Cтраница 1

Линейная дискриминантная функция позволяет при рациональном выборе признаков получить надежность диагностики обоих родов, не уступающую врачебной. [1]

Для построения линейных дискриминантных функций во ВНИИКРнефти создана специальная программа, которая может быть реализована ЭВМ типа Наири-2. Задачи линейного программирования решают, используя стандартные программы. [2]

Фишером, представляет собой линейную дискриминантную функцию, обладающую наибольшей дисперсией между выборками относительно дисперсии внутри выборок. [3]

Несмотря HI простоту вычисления, линейная дискриминантная функция позволяет с удовлетворительной точностью прогнозировать обвалы стенок скважины. Кроме того, функция достаточно наглядна и догускает простую интерпретацию данных и управление технологией с минимальным риском обвалов. [4]

Часто используемой форме дискриминантного анализа присущи линейные дискриминантные функции, соответствующие просто линейной комбинации дискриминантных переменных. Этот метод наиболее элементарен, поскольку предположение об одинаковых ковариационных матрицах в классах упрощает формулы вычисления дискриминантных функций, а также облегчает проверку гипотез о статистической значимости. [5]

Из приведенной формулы вытекает следующая процедура построения линейной дискриминантной функции. [6]

Проблемы дискриминантного анализа в основном концентрируются вокруг построения линейной дискриминантной функции. [7]

Разделяющая поверхность и разделяющий слой в пространстве признаков. [8]

Один из важнейших классов разделяющих функций связан с линейными дискриминантными функциями. [9]

Тогда в случае k 2 разность Si - S2 есть линейная дискриминантная функция Фишера. [10]

Использование квадратичной дискриминантной функции не дает преимуществ по сравнению с линейной дискриминантной функцией. Этот неожиданный, на первый взгляд, результат может быть объяснен тем, что для квадратичной дискриминантной функции объем обучающей выборки должен быть большим, чем для линейной функции, а имеющийся экспериментальный материал оказался недостаточным по объему. [11]

Если эти веса заданы, то ут в (4.57) можно рассматривать как линейную дискриминантную функцию. [12]

Другие исследования здесь связаны с попыткой выписать функционал, минимизация которого приводила бы к построению линейной дискриминантной функции не только для нормальных распределений. [13]

Задача заключается в том, чтобы выяснить, сходится ли оценка в каком-либо смысле к истинным значениям параметров и как быстро она сходится. Вначале рассматривается последовательное оценивание параметров линейной дискриминантной функции. В этом случае сходимость может быть доказана при условии, что два распределения линейно разделимы. Для того чтобы доказать сходимость в случае перекрывающихся распределений, вводится в рассмотрение стохастическая аппроксимация. [14]

Вычисление нулей резольвентного уравнения (3.8) - задача достаточно трудная. Тем самым в качестве решения задачи принимается линейная дискриминантная функция Фишера. [15]

Страницы: 1 2