350 руб
Журнал «Радиотехника» №11 за 2016 г.
Статья в номере:
Решение задачи классификации объектов в условиях параметрической неопределенности и пересечения классов
Ключевые слова: классификация объектов неопределенность реальное время энтропия нормирование доверительный интервал классификационная матрица
Авторы:
А.В. Гетманчук - начальник сектора, АО «Таганрогский научно-исследовательский институт связи» E-mail: niis@pbox.ttn/ru
Аннотация:
Рассмотрена задача классификации объектов в условиях параметрической неопределенности и пересечения классов. Отмечено, что спецификой данной задачи является отсутствие достоверной информации о параметрах априорно известных классов, представленных в каталоге эталонных значений в виде доверительных интервалов признаков, и что такой вид неопределенности накладывает существенные ограничения на круг методов и алгоритмов, которые могут быть использованы для решения поставленной задачи. Использован метод классификации объектов Г.В. Шелейховского, учитывающий предъявляемые ограничения и обладающий высокой степенью достоверности классификации. Приведены основные недостатки данного метода, затрудняющие его применение в реальных условиях. На основе метода Г.В. Шелейховского разработан комбинированный метод классификации, обладающий повышенной производительностью и лишенный известных недостатков основополагающего метода.
Страницы: 196-204
Список источников

 

  1. Дж. Ту, Р. Гонсалес. Принципы распознавания образов // М.: Мир. 1978.
  2. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания и классификации // Проблемы кибернетики. М.: Наука. № 33. 1978.
  3. Дорогов А.Ю. Теория и проектирование быстрых перестраиваемых преобразователей и слабосвязанных нейронных сетей. СПб.: Политехника. 2014.
  4. Тэрано Т., Асаи К., Сугэно М. Прикладные нечеткие системы. М.: Мир. 1993.
  5. Кручинин И.И., Логинов Б.М. Моделирование процессов классификации многомерных объектов пересекающихся классов на основе представлений нечетких множеств // Труды 2-й Российской конф. молодых ученых по математическому моделированию. М.: МГТУ. 2002.
  6. Кручинин И.И., Логинов Б.М. Моделирование процессов классификации многомерных объектов пересекающихся классов на основе гибридных нейросетей // Труды 2-й Российской конф. молодых ученых по математическому моделированию. М.: МГТУ. 2002.
  7. Круг П.Г. Нейронные сети и нейрокомпьютеры: Учеб. пособие по курсу «Микропроцессоры». М.: Изд-во МЭИ. 2002.
  8. Брегман Л.М. Доказательство сходимости метода Шелейховского для задачи с транспортными ограничениями // Л.М. Брегман. Вычислительная математика и математическая физика. М.: 1967.
  9. Гришков А.Ф., Кулаков А.А., Шпак В.Ф. Классификация образов радиотехнических сигналов // Вопросы специальной радиоэлектроники. 2009. № 2.
  10. Трухаев Р.И. Методы принятия решений в условиях неопределенностей. М.: Наука. 1981.
  11. Jaynes E.T. Information Theory and Statistical Mechanics // Physical Review. 1957. 106 (4): 620−630. DOI:10.1103/PhysRev. 106.620. Bibcode: 1957PhRv..106..620J.
  12. Jaynes E.T.  Information Theory and Statistical Mechanics II // Physical Review. 1957. 108 (2): 171−190. DOI:10.1103/PhysRev. 108.171. Bibcode: 1957PhRv..108..171J.
  13. Шпак B.Ф., Гетманчук А.В., Радченко С.А., Кулаков Андрей А. К вопросу о сходимости алгоритма классификации радиотехнических образов по методу Г.В. Шелейховского // Вопросы специальной радиоэлектроники. Таганрог: ФГУП ТНИИС. 2011. № 2.
  14. Sinkhorn Richard. A relationship between arbitrary positive matrices and doubly stochastic matrices. Ann. Math. Statist. 1964.
  15. Sinkhorn Richard, & Knopp Paul. Concerning nonnegative matrices and doubly stochastic matrices. Pacific J. Math. 1967.