Cтраница 1
Выбор признаков тесно связан с той априорной информацией, в условиях которой приходится решать задачи классификации, а также с решающим правилом и алгоритмом обучения. Такая взаимосвязь обусловлена требованием простоты и надежности аппаратуры, реализуемой в основном в аналоговой форме, возможностью использования ее при минимальной априорной информации, задаваемой, например, частотным диапазоном распознаваемых процессов. Заметим, что ограниченность априорной информации не позволяет корректно ставить задачу формирования - оптимальных признаков. Ситуация оказывается еще более неопределенной, если на выходе распознающей системы кроме интересующих нас сигналов, статистические свойства которых оцениваются при обучении, возможно появление реализаций иных классов ( фона), не участвовавших в обучении. Очевидно, классификация в этом случае должна осуществляться на основе абсолютного описания образа, сжатое представление которого содержится в признаках. Рассмотрим влияние такого режима распознавания, называемого иногда узнаванием [1], на выбор признаков. [1]
Выбор признаков обычно рассматривают как процесс преобразования исходных измерений в более эффективные признаки. Если это преобразование является линейным, то функция, связывающая признаки с исходными переменными, хорошо определена, и задача сводится к нахождению коэффипиентов линейной функции, максимизирующих или минимизирующих некоторый критерий. Следовательно, если критерий эффективности признаков задан, то его экстремум можно найти с помощью хорошо разработанных методов линейной алгебры или, в случае сложного критерия, с использованием методов оптимизации. К сожалению, во многих прикладных задачах распознавания образов имеются важные признаки, являющиеся существенно нелинейными функциями исходных измерений. [2]
Выбор признаков для я () () производится так же, как в случае равных ковариационных матриц. [3]
Выбор признаков классификации должен определяться возможностью в дальнейшем иметь один типовой проект АСУП для каждого класса предприятий, охватывающий весь комплекс функций и задач управления, математического и технического обеспечения. [4]
Выбор признаков качества и определение их относительной значимости производится комиссиями, в состав которых входят компетентные специалисты. [5]
Зачастую выбор признаков определяется возможностями их измерения. При больших ограничениях на используемые измерительные средства индивидуальность объектов может быть потеряна. Тогда отдельные строки матрицы R будут служить уже не моделями каких-то единичных объектов, а представлять их целыми группами, говоря о том, что в множестве U существуют объекты с заданными комбинациями признаков. [6]
При выборе признаков классификации устанавливаются все значения, которые этот признак может принимать. Установление всех возможных значений признаков осуществляется с помощью различных справочников, сводных статистических таблиц и других документов. Признаки классификации могут быть формализованными и неформализованными. Формализованные признаки характеризуют параметры объектов в каких-либо единицах измерения. Значения параметров могут непосредственно использоваться для классификации и последующего кодирования. Для неформализованных признаков - обязательно составление тезауруса. [7]
При выборе признаков состояний следует учитывать требования эффективности контроля и оптимизации системы диагностики. Прежде всего признаки должны быть однозначно связаны с состоянием привода. Можно предположить, что при всяком изменении состояния можно найти признаки, однозначно связанные с ним. Однако при этом следует учитывать, что изменение признаков - следствие не только изменения технического состояния, но и условий диагностирования. [8]
Обсудим теперь выбор признаков, характеризующих форму распределений. Но эксцесс различных распределений колеблется в бесконечных пределах ( от 1 и до оо), из-за чего этот параметр неудобен. [9]
Обсудим теперь выбор признаков, характеризующих форму распределений. Но эксцесс различных распределений колеблется в бесконечных пределах ( от 1 и до оо), из-за чего этот параметр неудобен. [10]
Рассмотрим вначале выбор признаков в случае одного распределения. Вместо этого мы рассмотрим, насколько точно можно описать объекты, генерированные в соответствии с распределеним с помощью набора признаков. [11]
Важным является выбор признаков, по которым состояние вещества можно отнести к той или иной фазе. [12]
Подробнее обоснование выбора признаков будет дано далее. [13]
Данный метод выбора признаков не рационален, когда параметры имеют разные статистические характеристики ту и ау. В таких случаях в качестве признаков выбирают те, которые имеют минимальную дисперсию. При контроле вследствие ошибок измерений и разброса характеристик привода каждый параметр принимает случайные значения. Поэтому при контроле состояний необходимо принимать во внимание не только величину того или иного параметра, но и величину Af-мерного вектора, являющегося совокупностью всех параметров. [14]
От чего зависит выбор признаков для структурных группировок. Что представляют собой структурные количественные и атрибутивные группировки. [15]