|
146 От процедуры обучения Выборка принадлежит j-му классу / Процедура нахождения спектральных составляющих (алгоритм БПФ). На выходе массив S h n (w ), HN=N/2 Процедура вычисления оценки одного признака-энергии сигнала в полосе частот На выходе значение НК ЕК, = Y,(S~T НК=К/2 Ьк-1 Процедура вычисления расстояний D, ЁЕк =Ш ь Е К У 11«1 Массив D[J,L] представляет собой массив расстояний от исследуемого объекта, каждого >объекта из обучающей выборки Процедура нахождения К наименьших расстояний и вычисления номера класса kj Q=LJ Процедура нахождения максимума kj шах М Конец ^ Рисунок 4.7 Структурная схема алгоритма программы моделирования работы классификатора k-ближайших соседей в режиме классификации |
126 Структурная схема алгоритма программы моделирования работы классификатора (к ближайших соседей) врежиме обучения Ввод отсчетов вх. сигналов х(п).• * Определение величин: 1-размерность вектора признаков; J количество сигналов в системе; N общая длина обучающей выборки; NK общая длина контрольной выборки; М длина интервала наблюдения; L кол-во объектов наблюдения, L=N/M; К кол-во ближайших соседей. П р о ц е д у р а н а х о ж д е н и я спектральных составляющих (алгоритм БПФ) . На выходе массив S^co), HN-N/2. Процедура вычисления ог^енки одного признака энергии сигнала в полосе частот [ccr, coj+1J. нм Ej=£(Sk)2НМ=М/2. Ш=1 К процедуре классификации Рис. 4.8, цикла HM2-L + N) где количество сигналов (4 обучения • • • I • образом, порядок сложности программы моделирования в режиме НМ N) 17) Аналогично определяем порядок сложности программы моделирования классификации НК2 NK 2NK 18) NK длина контрольной выборки, предъявляемой для классификации значения порядков сложности 2! и 22 для исходных данных одного из экспериментов, представленного в прил.З будут иметь следующие значения: 1= 5, J = 4, N = 10% М =103, L= 10, NK= 10% Ej = 50,05-10% I 2 = 5,04-10% E = 55,09-10% |