Проверяемый текст
Цымбал, Владимир Георгиевич; Разработка и исследование методов формирования признаковых пространств в медицинских диагностических системах (Диссертация 1999)
[стр. 32]

32 р ( 2 т к + n j ->m in; a k
(1-13) Фактически (1.13) означает минимизацию числа измерений признаков, необходимых для того, чтобы обеспечить непревышение вероятностями ошибок распознавания ak и рк заданных значений а и р соответственно ни для одного из распознаваемых классов.
[стр. 40]

чае параметрической априорной неопределенности.
Как уже мыло отмечено ранее, возможны различные подходы к выбору критерия оптимальности НСV) и ограничений hj(V) i = 1, Q, Сj(V) = 0j, j = 1,J в (1.7).
Однако, как правило, при синтезе распознающих систем основным является требование обеспечения гарантированного уровня достоверности принимаемых решений, состоящее в том, что вероятности ошибок распознавания а к и {Зк, к = 1, К не должны пре40 вышать некоторых заданных значений а и Р ни для одного из имеющихся классов s,,..., sK.
При этом в качестве критерия оптимальности системы распознавания естественно принимать затраты на обеспечение заданного уровня достоверности (стоимостные, временные и т.д.).
Так, если С, стоимость измерения j-ro признака, как правило, одинаковая для всех классов, а b количество актов распознавания, которые необходимо произвести за заданный промежуток времени, то стоимость распознавания [82] к н Т с .
Т Х + Ьп (1.12) j=l чк=1 При Ъ= 1 и Cj = Сдля всех j = 1, р , опуская постоянный множитель в критерии (1.12), задачу оптимизации распознающей системы (1.7) можно записать в виде: к р Y m k + п _ > m i n ; k=l a k < а ,p k


(1.13) Фактически (1.13) означает минимизацию числа измерений признаков, необходимых для того, чтобы обеспечить непревышение вероятностями ошибок распознавания a k и Зк заданных значений а* и р* соответственно ни для одного из распознаваемых классов.
1.7.
Обзор методов оптимизации параметров распознающих систем в сл чае параметрической априорной неопределенности 1.7.1.
Рассмотрим основные результаты по оптимизации временных и пр странственных параметров систем распознавания, полученные в рамках развития статистической теории распознавания образов [85, 82].
В указанной литературе рассматривается подход к оптимизации на основе постановки задачи, сформулированной в предыдущем пункте.
Основой решения этой задачи является увязка значений вероятностей ошибок распознавания a k и Рк с временными и пространственными параметрами распознающей системы.
Известно [54], что оптимальные решающие правила и методы оценки достоверности распознавания хорошо разработаны лишь для случая исследования нормально распределенных независимых признаков при полной априорной определенности относительно параметров их распределения, что никогда не встречается в реальной практике.
Для решения задач распознавания в реальных условиях •s


[Back]