|
Выводы по материалам 1 главы * 1. Анализ методов распознавания изображений показал, что сигналы изображений, могут быть представлены векторными случайными процессами. Ср учетом перспективности применения для классификации сигналов изображений методов статистической теории распознавания образов, является актуальной задача разработки моделей сигналов изображений, эффективных при использования этих моделей для распознавания изображений. 2. В результате анализа методов теории распознавания образов, применяемых для решения задач классификации, можно сделать вывод, что большинство методов распознавания и способов оценки их эффективности разработаны I для случая неограниченно возрастающих объемов обучающих и контрольных 1 выборок процессов. В связи с этим необходима разработка новых методов расч познавания сигналов изображений, ориентированных на конечное (в том числе и малое) число обучающих и контрольных выборок. 3. С точки зрения практической реализации распознающих систем является целесообразной следующая постановка задачи оптимизации. Необходимо минимизировать суммарное количество наблюдений (т.е. объем обучающих и контрольных выборок и размер признакового пространства), которое является достаточным для обеспечения требуемого уровня достоверности распознавания * при заданных ограничениях, например, время принятия решений. 4. Анализ существующих методов оптимизации систем распознавания * показал, что в достаточной мере эти методы разработаны лишь для случая параметрической априорной неопределенности относительно закона распределения признаков. При этом, необходимо выполнение требования статистической независимости исследуемых признаков. Все эти условия редко встречаются вш практических приложениях. Поэтому весьма актуальна задача разработки методов оптимизации временных и пространственных параметров распознающих систем, инвариантных как закону распределения признаков, так и виду их статистической взаимосвязи. 65 а |
9 (Таганрог, 1998); 4-й Международной конференции " Теория и техника передачи, приема и обработки информации" (Харьков, 1998); I Всероссийской научно-технической конференции "Компьютерные технологии в науке, проектировании и производстве" (Нижний Новгород, 1999). Публикации. Основные научные результаты диссертации опубликованы в 2-х статьях, 8-ми тезисах докладов. Структура диссертации. Диссертационная работа состоит из введения, пяти разделов, заключения и приложений, включающих пять наименований. Работа изложена на 150 стр. текста, 76 рисунках, 4 таблицах, списка литературы из 102 наименований и приложений. Во введении сформулирована цель работы и обоснована актуальность решаемой задачи. В первом разделе произведен анализ методов функциональных клинических исследований. Наиболее актуальны в настоящее время вопросы, связанные с изучением функциональной активности центральной нервной и сердечнососудистой систем, что обуславливает необходимость развития методов диагностики на основе автоматизированных систем, позволяющих проводить как экспресс-анализ состояния организма, так и длительные наблюдения в период стационарного лечения. Анализ методов функциональной диагностики показал, что медикобиологические сигналы, получаемые при исследовании ЦНС и сердечнососудистой системы человека, являются векторными случайными процессами. Однако адекватных математических моделей данных процессов в настоящее время не существует. С учетом перспективности применения для диагностики МБС методов статистической теории распознавания образов является актуальной задача разработки моделей медико-биологических сигналов, адекватных сточки зрения использования этих моделей для распознавания. Произведен анализ методов теории распознавания образов, применяемых для решения задач классификации случайных процессов. Установлено, что большинство методов распознавания и способов оценки их эффективности разработаны для случая неограниченно возрастающих объемов обучающих и контрольных выборок процессов. В связи с этим необходима разработка новых методов диагностики, ориентированных на конечное (в том числе и малое) число обучающих и•Ь , контрольных выборок, т.е. методов оптимизации временных и пространственных параметров систем распознавания. Произведена постановка задачи формирования признаковых пространств, позволяющих строить системы распознавания, работающие в условиях априорной неопределенности относительно вида распределения входных сигналов и ограниченных объемов обучающих и контрольных выборок. Сформулирована задача исследования возможности оптимизации временных и пространственных параметров систем распознавания в следующем виде. Необходимо минимизировать суммарное количество наблюдений (т.е. объем обучающих и контрольных выборок и размер признакового пространства), кото 10 рое является достаточным для обеспечения требуемого уровня достоверности распознавания при заданных ограничениях, например, для определенного наименьшего возможного расстояния между распознаваемыми классами. Произведен анализ существующих методов оптимизации систем распознавания. Выяснено, что в достаточной мере эти методы разработаны лишь для случая параметрической априорной неопределенности относительно закона распределения признаков. При этом закон этих распределений предполагается нормальным. Кроме того, необходимо выполнение требования статистической независимости исследуемых признаков. Все эти условия редко встречаются в практических приложениях. Поэтому необходимо, чтобы методы оптимизации временных и пространственных параметров распознающих систем были инвариантны как закону распределения признаков, так и виду их статистической взаимосвязи. Во втором разделе произведено обоснование выбора в качестве объекта исследования электроэнцефалографических сигналов. Ввиду чрезвычайной сложности и высокой вариабельности характеристик ЭЭГ-сигналы обладают свойством обобщения, то есть результаты, полученные для систем распознавания сигналов ЭЭГ, могут быть перенесены и на другие, например технические системы диагностики. На основе анализа современных методов электроэнцефалографии сделан вывод о том, что основное направление развития компьютерной ЭЭГ лежит в области автоматизации рутинных операций электроэнцефалографистов и создании наилучших условий и инструментов для анализа первичной ЭЭГ специалистом высокого класса. Компьютерные методы диагностики симптомов и патологий являются дополнительными к методам исследования "сырой” ЭЭГ и формируемому на этой основе заключению. Исследованы диагностические признаки, используемые специалистаминейрофизиологами для анализа ЭЭГ. Выяснено, что состояние головного мозга, при отсутствии в регистрируемых данных артефактов и эпилептиформной активности, определяется на основе соотношений спектральных составляющих различных частотных диапазонов (8, 0, а и Р) и их амплитуд, присутствующих в текущей ЭЭГ. Это дает возможность применять методы распознавания с использованием признаков, сформированных путем преобразования регистрируемых данных (ЭЭГ) в редуцированную форму представления, учитывающую диагностически значимые параметры исходных процессов, например в виде коэффициентов спектра или корреляционных моментов. В качестве модели ЭЭГ, предназначенной для исследования эффективности методов распознавания, предложено использовать стационарные эргодические случайные процессы, формируемые с помощью известных процедур и позволяющие сократить вычислительные затраты при моделировании алгоритмов распознавания. Выбран оператор неизоморфного преобразования исследуемых сложных сигналов с целью сокращения размерности их описания при сохранении (в смысле заданного критерия) на достаточном уровне информации о разделимости распознаваемых классов сигналов. Определены статистические характеристики ре 53 Выводы по материалам 1главы 1. Развитие современных технологий обуславливает резкое усложнение технических систем, используемых в процессе производства, в состав которых входит человек как неотъемлемый элемент. При этом значительно возрос уровень воздействия этих систем на человека. Наиболее чувствительными к этим воздействиям (носящим в основном психофизический, и часто физический характер) являются центральная нервная и сердечно-сосудистая системы. Это обуславливает необходимость разработки эффективных методов оценивания состояния ЦНС и сердечно-сосудистой системы человека и диагностики патологических изменений в функционировании данных систем. 2. Анализ методов функциональной диагностики показал, что медикобиологические сигналы, получаемые при исследовании ЦНС и сердечнососудистой системы человека, являются векторными случайными процессами. Однако адекватных математических моделей данных процессов в настоящее время не существует. С учетом перспективности применения для диагностики МБСs методов статистической теории распознавания образов является актуальной задача разработки моделей медико-биологических сигналов, адекватных с точки зрения использования этих моделей для распознавания. 3. В результате анализа методов теории распознавания образов, применяемых для решения задач диагностики, можно сделать вывод, что большинство методов распознавания и способов оценки их эффективности разработаны для случая неограниченно возрастающих объемов обучающих и контрольных выборок процессов. В связи с этим необходима разработка новых методов диагностики, ориентированных на конечное (в том числе и малое) число обучающих и контрольных выборок, т.е. методов оптимизации временных и пространственных параметров систем распознавания. 4. С точки зрения практической реализации диагностической системы является целесообразной следующая постановка задачи оптимизации. Необходимо минимизировать суммарное количество наблюдений (т.е. объем обучающих и контрольных выборок и размер признакового пространства), которое является достаточным для обеспечения требуемого уровня достоверности распознавания при заданных ограничениях, например, для определенного наименьшего возможного расстояния между распознаваемыми классами. 5. При анализе существующих методов оптимизации систем распознавания было выяснено, что в достаточной мере эти методы разработаны лишь для случая параметрической априорной неопределенности относительно закона распределения признаков. При этом закон этих распределений предполагается нормальным. Кроме того, необходимо выполнение требования статистической независимости исследуемых признаков. Все эти условия редко встречаются в практических приложениях. Поэтому возникает задача разработки методов оптимизации временных и пространственных параметров распознающих систем, инвариантных как закону распределения признаков, так и виду их статистической взаимосвязи. |