Условия применимости.
ТОС должна быть без пропусков; свойства — арифметические, логические 1-го и 2-го рода.
П р и м е р. Имеется некоторая исходная ТОС. Определить для каких объектов МЭ данный МО является представительным, а для каких нет.
Р е ш е н и е. Исходными данными является ТОС (табл. 3). На каждом объекте МО и МЭ измерены два свойства: и . В МО представлены объекты только одного образа.
табл. 3
| Материал обучения |
|
|
| Материал экзамена |
| ||
N | Образ |
| N | Образ | ||||
1 | 126 | 2.91 | 1 |
| 1 | 140 | 3.20 | 0 |
2 | 138 | 4.50 | 1 |
| 2 | 135 | 4.38 | 0 |
3 | 182 | 2.16 | 1 |
| 3 | 115 | 5.99 | 0 |
4 | 196 | 2.30 | 1 |
| 4 | 187 | 4.54 | 0 |
5 | 152 | 4.70 | 1 |
| 5 | 169 | 5.39 | 0 |
6 | 193 | 4.22 | 1 |
| 6 | 141 | 2.44 | 0 |
7 | 113 | 5.23 | 1 |
| 7 | 201 | 3.04 | 0 |
8 | 154 | 4.06 | 1 |
| 8 | 112 | 3.18 | 0 |
9 | 124 | 5.65 | 1 |
| 9 | 129 | 4.92 | 0 |
10 | 179 | 2.72 | 1 |
| 10 | 119 | 3.96 | 0 |
11 | 174 | 1.41 | 1 |
| 11 | 205 | 2.58 | 0 |
12 | 145 | 4.62 | 1 |
| 12 | 139 | 3.23 | 0 |
13 | 108 | 5.26 | 1 |
| 13 | 165 | 4.00 | 0 |
14 | 117 | 4.92 | 1 |
| 14 | 204 | 5.30 | 0 |
15 | 145 | 3.28 | 1 |
| 15 | 187 | 4.67 | 0 |
16 | 115 | 3.27 | 1 |
|
|
|
|
|
17 | 149 | 4.76 | 1 |
|
|
|
|
|
18 | 168 | 2.79 | 1 |
|
|
|
|
|
По формуле (5.2) находим экстремальную разницу для каждого свойства МО:
Для свойства : 88.3;
Для свойства : 4.25.
Вычисляем матрицы мер сходства по каждому свойству по формуле (5.3) или (5.4). Выбираем — информативный вес каждого свойства, в данном случае 0.5. Вычисляем общую матрицу мер сходства по формуле (5.5):
Вычисляем порог: по формуле (5.6), но в данном примере для порога выбираем среднюю меру сходства . И разбиваем объекты на однородные группы. Для того, чтобы облегчить процесс разбиения на однородные группы построим просеянную общую матрицу мер сходства
В группу 1 вошли объекты: .
Группу 2 составляют объекты: .
Группа 3 состоит из одного объекта: .
В каждой группе находим голотип и находим радиус эталона:
| R | Голотип |
Группа 1 | 0.62 | |
Группа 2 | 0.53 | |
Группа 3 | 0.46 |
Определяем, является ли данный МО представительным для представленного МЭ (табл. 6).
табл. 6
| Материал обучения |
|
|
|
| |
N | F1 | F2 | Образ | Гр. 1 | Гр. 2 | Гр. 3 |
1 | 126 | 2.91 | 1 | + | + | + |
2 | 138 | 4.50 | 1 | + | + | + |
3 | 182 | 2.16 | 1 | + | + | + |
4 | 196 | 2.30 | 1 | + | + | + |
5 | 152 | 4.70 | 1 | + | + | + |
6 | 193 | 4.22 | 1 | + | + | + |
7 | 113 | 5.23 | 1 | + | + | + |
8 | 154 | 4.06 | 1 | + | + | + |
9 | 124 | 5.65 | 1 | + | + | + |
10 | 179 | 2.72 | 1 | + | + | + |
11 | 174 | 1.41 | 1 | + | + | + |
12 | 145 | 4.62 | 1 | + | + | + |
13 | 108 | 5.26 | 1 | + | + | + |
14 | 117 | 4.92 | 1 | + | + | + |
15 | 145 | 3.28 | 1 | + | + | + |
16 | 115 | 3.27 | 1 | + | + | + |
17 | 149 | 4.76 | 1 | + | + | + |
18 | 168 | 2.79 | 1 | + | + | + |
|
|
|
|
|
|
|
| Материал экзамена |
|
|
|
| |
N | F1 | F2 | Образ | Гр. 1 | Гр. 2 | Гр. 3 |
1 | 140 | 3.20 | 0 | + | + | + |
2 | 135 | 4.38 | 0 | + | + | + |
3 | 115 | 5.99 | 0 | + | + | + |
4 | 187 | 4.54 | 0 | + | + | + |
5 | 169 | 5.39 | 0 | + | + | + |
6 | 141 | 2.44 | 0 | + | + | + |
7 | 201 | 3.04 | 0 | + | + | + |
8 | 112 | 3.18 | 0 | + | + | + |
9 | 129 | 4.92 | 0 | + | + | + |
10 | 119 | 3.96 | 0 | + | + | + |
11 | 205 | 2.58 | 0 | + | + | + |
12 | 139 | 3.23 | 0 | + | + | + |
13 | 165 | 4.00 | 0 | + | + | + |
14 | 204 | 5.30 | 0 | + | + | + |
15 | 187 | 4.67 | 0 | + | + | + |
При определении представительности МО для данного МЭ с помощью алгоритма Голотип-1 выяснилось, что в данной задаче МО является представительным для всех объектов МЭ.
5.9. АЛГОРИТМ ГОЛОТИП-N
Назначение
— решение задач распознавания в ситуациях, когда в МО представлены объекты образов ().
Постановка задачи.
В исходных данных, представленных в виде ТОС, присутствуют представители всех образов. Для каждого объекта указана его принадлежность к образу. В процессе распознавания определяется принадлежность объектов экзамена к одному из образов. Распознавание проводится в двух режимах: с отказом и без отказа.
Метод решения задачи.
Пусть совокупность экспериментально изученных объектов со свойствами представлена в виде таблицы «объекты-свойства»:
, ,
где — число свойств, — число объектов и для каждого объекта указана принадлежность к образу.
Свойства могут быть измерены в различных шкалах (арифметическая, логическая 1-го рода, логическая 2-го рода).
Данный алгоритм решается как алгоритм Голотип-1, но с некоторыми отличиями, которые состоят в следующем.
1. Постоянная для разбиения на компоненты связности выбирается так, чтобы связанными между собой оказались те объекты, для которых мера сходства не меньше средних мер сходства между объектами внутри образов и максимальных мер сходства между образами. По этой причине в одну компоненту связности всегда попадают только объекты, относящиеся к одному образу, т.е. компоненты связности однородны.
2. Радиусы компонент связности выбираются таким образом, чтобы в компонентах связности связи, описанные шарами, не попали объекты других образов.
Процедура экзамена проводится с отказом и без отказа. В режиме распознавания с отказом объект экзамена относится к той компоненте связности, в которую он попадает (, где — номер компоненты, — ее голотип, — ее радиус, и соответственно к тому образу, к которому относится голотип ). В режиме распознавания без отказа объект относится к той компоненте связности, к голотипу которой он оказывается ближе всего в смысле величины меры сходства, и соответственно к тому образу, к которому относится этот голотип.
- Математические методы системного анализа и теория принятия решений Методическое пособие
- 1. Теория принятия решений 4
- 2. Линейное программирование 9
- 3. Нелинейное программирование 42
- 4. Игровые методы обоснования решений 51
- 5. Задачи распознавания образов 62
- Предисловие
- 1. Теория принятия решений
- 1.1. Задачи, связанные с принятием решений Проблема оптимальности.
- Основные понятия и принципы исследования операций.
- Примеры задач исследования операций.
- 1.2. Математические модели операций Искусство моделирования.
- 1.3. Разновидности задач исследования операций и подходов к их решению Прямые и обратные задачи исследования операций.
- Пример выбора решения при определенности: линейное программирование.
- Проблема выбора решений в условиях неопределенности.
- Выбор решения по многим критериям.
- «Системный подход».
- 2. Линейное программирование
- 2.1. Краткое представление о математическом программировании Предмет математического программирования.
- Краткая классификация методов математического программирования.
- 2.2. Примеры экономических задач линейного программирования Понятие линейного программирования.
- Задача о наилучшем использовании ресурсов.
- Задача о выборе оптимальных технологий.
- Задача о смесях.
- Задача о раскрое материалов.
- Транспортная задача.
- 2.3. Линейные векторные пространства Основные понятия линейного векторного пространства.
- Решение систем линейных уравнений методом Гаусса.
- Реализация метода исключения неизвестных в среде Excel.
- Различные схемы реализации метода Гаусса.
- Опорные решения системы линейных уравнений.
- 2.4. Формы записи задачи линейного программирования Основные виды записи злп.
- Каноническая форма представления задачи линейного программирования.
- Переход к канонической форме.
- 2.5. Геометрическая интерпретация задачи линейного программирования Определение выпуклой области.
- Геометрическая интерпретация.
- 2.6. Свойства решений задачи линейного программирования Свойства основной задачи линейного программирования.
- Графический метод решения задачи линейного программирования.
- 2.7. Симплексный метод Идея симплекс-метода.
- Теоретические обоснования симплекс-метода.
- Переход к нехудшему опорному плану.
- Зацикливание.
- Алгоритм симплекс-метода.
- 2.8. Двойственность в линейном программировании Прямая и двойственная задача.
- Связь между решениями прямой и двойственной задач.
- Геометрическая интерпретация двойственных задач.
- 2.9. Метод искусственного базиса Идея и реализация метода искусственного базиса.
- 3. Нелинейное программирование
- 3.1. Общая задача нелинейного программирования Постановка задачи.
- Примеры задач нелинейного программирования (экономические).
- Геометрическая интерпретация задачи нелинейного программирования.
- 3.2. Выпуклое программирование Постановка задачи выпуклого программирования.
- 3.3. Классические методы оптимизации Метод прямого перебора.
- Классический метод дифференциальных исчислений.
- 3.4. Метод множителей лагранжа
- 3.5. Градиентные методы решения задач нелинейного программирования Общая идея методов.
- Метод Франка-Вулфа.
- Метод штрафных функций.
- 4. Игровые методы обоснования решений
- 4.1. Предмет и задачи теории игр Основные понятия.
- Классификация выборов решений.
- Антагонистические матричные игры.
- Чистые и смешанные стратегии и их свойства.
- 4.2. Методы решения конечных игр Упрощение матричной игры.
- Решение матричной игры размерностью 22.
- Графическое решение матричной игры.
- Сведение задач теории игр к задачам линейного программирования.
- 4.3. Задачи теории статистических решений Игры с природой.
- Критерии принятия решений.
- 5. Задачи распознавания образов
- 5.1. Общая постановка задачи распознавания образов и их классификация Проблема распознавания.
- Обсуждение задачи опознавания.
- Язык распознавания образов.
- Априорные предположения — это записанные специальным образом, накопленные знания специалистов.
- Общая постановка задачи.
- Геометрическая интерпретация задачи распознавания.
- Классификация задач распознавания.
- 5.2. Подготовка и анализ исходных данных Общая схема решения задачи.
- Общая схема постановки и решения задачи Анализ данных с целью выбора постановки и метода решения
- 5.3. Методы опознавания образов Основные этапы процесса опознавания образов.
- Методы создания системы признаков.
- Признаковое пространство.
- Сокращение размерности исходного описания.
- Методы построения решающего правила.
- 5.4. Меры и метрики Понятие о сходстве.
- Меры сходства и метрики.
- Примеры функций мер сходства.
- 5.5. Детерминированно-статистический подход к познаванию образов Основные этапы детерминированно-статистического подхода.
- Получение исходного описания.
- Создание системы признаков.
- Сокращение размерности исходного описания.
- Нахождение решающего правила (метод эталонов).
- Коррекция решающего правила.
- 5.6. Детерминированный метод построения решающего правила (метод эталонов) Идея метода эталонов.
- Минимизация числа эталонов.
- Габаритные эталоны.
- Применение метода эталонов к частично пересекающимся образам.
- Дополнительная минимизация числа признаков.
- Квадратичный дискриминантный анализ.
- Распознавание с отказами.
- 5.8. Алгоритм голотип-1 Назначение
- Постановка задачи
- Метод решения задачи.
- Условия применимости.
- Условия применимости.
- 5.10. Алгоритм направление опробования Назначение
- Постановка задачи.
- Метод решения задачи.
- Условия применимости.
- Транспортная задача Математическая постановка.
- Постановка задачи.
- Теоретическое введение.
- Методы нахождения опорного плана транспортной задачи.
- Определение оптимального плана транспортной задачи.
- Заключение.
- Целочисленное программирование Постановки задач, приводящие к требованию целочисленности.
- Постановка задачи.
- Методы отсечения.
- Алгоритм Гомори.
- Первый алгоритм р. Гомори решения полностью целочисленных задач.
- Приближенные методы.
- Заключение.
- Параметрическое программирование Введение.
- Формулировка задачи.
- Теоретическая часть.
- Общая постановка задачи.
- Решение задачи.
- Геометрическая интерпретация задачи.
- Общая постановка задачи.
- Решение задачи.
- Геометрическая интерпретация задачи
- Постановка задачи.
- Решение.
- Геометрическое решение.
- Решение задачи симплекс-методом.
- Результат.
- Некооперативные игры n лиц с ненулевой суммой Введение.
- Теоретическая часть.
- Постановка и решение задачи.
- Заключение.
- Cписок литературы