Адаптивная модель распознавания образов для решения задач классификации в условиях неопределенности

ОГЛАВЛЕНИЕ
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ.
ВВЕДЕНИЕ.
1 ИССЛЕДОВАНИЕ СОСТОЯНИЯ ЗАДАЧИ РАСПОЗНАВАНИЯ ОБРАЗОВ. .
1.1 Место методов распознавания образов в задачах оценивания и управления
1.2 Общая постановка задачи распознавания.
1.2.1 Типы решаемых задач
1.2.2 Типы обрабатываемой информации.
1.3 Концепция обучения.
1.4 Классы алгоритмов распознавания
1.4.1 Структура алгоритмов распознавания.
1.4.2 Способы задания распознающих операторов
1.5 Коллективные решающие правила
1.5.1 Логическая и геометрическая интерпретация комитетов в задаче распознавания образов
1.5.2 Критерии оптимальности коллективных решающих правил
1.5.3 Алгоритмы построения комитетов.
1.6 Цель и задачи диссертационного исследования
2 МОДЕЛЬ АДАПТАЦИИ КЛАССИФИКАТОРА К ИСТОЧНИКУ АПРИОРНОЙ ИНФОРМАЦИИ
2.1 Формы представления обучающей информации и ее неопределенности в задаче распознавания.
2.2 Организация процесса адаптации.
2.3 Преобразование коррекции обучающей информации
2.4 Преобразование коррекции матрицы алгоритмических оценок параметра качества
Выводы
3 АЛГОРИТМЫ ПОСТРОЕНИЯ АДАПТИВНОГО КЛАССИФИКАТОРА
3.1 Выбор меры несогласованности алгоритмических оценок для
кусочнолинейных комитетных решающих правил.
3.2 Алгоритм адаптации комитетного решающего правила к априорной
классификации.
3.2.1 Базовая операция изменения рангов объектов
3.2.2 Организация итерационного процесса перемещения комитета
0 в пространстве параметров состояния
3.2.3 Использование эвристических процедур при поиске решающего правила
3.2.4 Алгоритм линейной коррекции для проверки линейной разделимости множеств.
3.2.5 Анализ сходимости итерационного процесса
3.3 Алгоритм адаптивной кластеризации для построения немонотонной
0 меры близости в пространстве параметров состояния.
3.3.1 Связь с проблемой неопределенности априорной информации.
3.3.2 Алгоритм кластеризации
Выводы
4 ОРГАНИЗАЦИЯ СИСТЕМЫ РАСПОЗНАВАНИЯ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ АПРИОРНОЙ ИНФОРМАЦИИ РАЗЛИЧНЫХ
ВИДОВ.
4.1 Задача дискриминантного анализа.
Ф 4.2 Выбор информативных параметров состояния
4.3 Схемы построения системы распознавания при решении задач
классификации
4.4 Проверка работоспособности алгоритмов на модельных примерах
4.4.1 Базовый алгоритм адаптации.
4.4.2 Алгоритм решения задачи дискриминантного анализа.
4.4.3 Алгоритм кластеризации.
Выводы.
5 ЧИСЛЕННОЕ РЕШЕНИЕ ЗАДАЧ КЛАССИФИКАЦИИ НА ОСНОВЕ АЛГОРИТМОВ АДАПТАЦИИ.
5.1 Задача контроля качества кристаллов искусственного кварца.
5.1.1 Постановка задачи неразрушающего контроля качества
5.1.2 Организация системы распознавания.
5.1.3 Результаты работы системы распознавания
5.2 Задача оценивания тяжести гипертрофической кардиомиопатии
5.2.1 Постановка задачи оценивания
5.2.2 Организация системы распознавания.
5.2.3 Классификация объектов обучающей выборки
5.2.4 Выбор информативного подпространства и построение решающих правил
Выводы
ЗАКЛЮЧЕНИЕ
ЛИТЕРАТУРА