|
временных и пространственных параметров, базирующаяся на количественной увязке достоверности распознавания с требуемыми для ее достижения временем обучения и принятия решения и размерностью признакового пространства. Последнее обстоятельство явилось, по всей вероятности, основной причиной 9 малого уделения внимания авторами вопросам практических приложений статистического распознавания. Только в некоторых работах эти вопросы были 1 щ рассмотрены в постановочном плане [26, 27, 51] и более подробно [80, 82]. В задачах применения теории распознавания образов (изображений) оптимизация временных и пространственных параметров диагностических систем имеет особенно важное значение, вследствие того, что эти параметры (вместе с заданной достоверностью распознавания) оказывают непосредственное и наибольшее влияние на результат работы систем различного назначения, связанных с распознаванием изображений. Настоящая работа ставит своей основной целью дополнение существующих исследований в направлении решения проблем распознавания сигналов * ■ стационарных полутоновых изображений, выбора эффективных алгоритмов классификации (распознавания) в условиях непараметрической априорной неопределенности, оптимизации временных и пространственных параметров распознающих систем при малых объемах обучающих выборок, характерных для Ф телевизионных систем наблюдения и сопровождения. 1.2.2 Формирование признаков по изображению Формирование признаков первый этап в любой системе распознавания образов. И качество всей системы оказывается жестко зависимо от того, насколько хорошо подобраны признаки для описания объекта —в данном случае изображения. Задача формирования признаков достаточно сложна, потому что процесс описания изображения, или построения набора признаков, до настоящего врещ мени остается процедурой эвристической, во многом зависимой от опыта и 28 |
29 алгоритмов классификации МБС неизбежно связана с использованием статистических методов. Анализируя работы, опубликованные за последние несколько десятков лет [14, 28, 29, 35, 41, 50, 54, 65, 80, 85, 87], можно сказать, что достигнуты значительные теоретические результаты в области как параметрического, так и непараметрического распознавания. Однако многие из методов распознавания образов, несмотря на хорошее теоретическое обоснование, дают неприемлемые результаты при решении практических задач. Причиной этого являются те ограничения и допущения, которые выдвигаются исследователями при разработке методов классификации. Так, зачастую, априорно принимается гипотеза о принадлежности функции плотности вероятности какому-либо параметрическому семейству [87]. Многие из оптимальных теоретических методов предполагают кроме того еще и статистическую независимость выбранной системы признаков [54]. Не смотря на то, что вопросы параметрического распознавания разработаны очень хорошо (разработаны процедуры обучения, принятия решения и понижения размерности признакового пространства), оценки вероятностей ошибок, получающихся при параметрическом распознавании, являются асимптотическими, т.е. справедливыми лишь в редко встречающихся случаях неограниченного возрастания обучающих выборок [35,54,50]. Непараметрические методы, например k-ближайших соседей, гистограммный, полигональный, Парзеновского ядра и др. также являются асимптотическими, т.е. обеспечивают достаточную точность оценивания только лишь при неограниченном увеличении объема обучающих выборок [35,65,96]. Из-за отсутствия оценок вероятностей ошибок или их асимптотического+ характера в существующей литературе оказалась не исследованной важная проблема построения систем статистического распознавания оптимизация временных и пространственных параметров, базирующаяся на количественной увязке достоверности распознавания с требуемыми для ее достижения временем обучения и принятия решения и размерностью признакового пространства. Последнее обстоятельство явилось, по всей вероятности, основной причиной малого уделения внимания авторами вопросам практических приложений статистического распознавания. Только в некоторых работах эти вопросы были рассмотрены в постановочном плане [28,29, 50] и более подробно [85, 82]. В задачах применения теории распознавания образов в медицинской диагностики оптимизация временных и пространственных параметров диагностических систем имеет особенно важное значение, в следствие того, что эти параметры (вместе с заданной достоверностью распознавания) оказывают непосредственное и наибольшее влияние на качество и своевременность установления диагноза. Настоящая работа ставит своей основной целью дополнение существующих исследований в направлении решения проблем непараметрического обучения и распознавания при малых объемах обучающих выборок, характерных для медицинских диагностических исследований, и оптимизации временных и пространственных параметров для медицинских диагностических систем. |