Проверяемый текст
Цымбал, Владимир Георгиевич; Разработка и исследование методов формирования признаковых пространств в медицинских диагностических системах (Диссертация 1999)
[стр. 68]

67 предполагать т где F (со) = F(jco) ; F(jco) = Jx(t)e Jwtdt.
о Указанные ограничения практически всегда выполняются в реальных ситуациях.
Эти ограничения позволяют рассматривать сигналы как элементы линейных функциональных пространств.
При дополнительном допущении о существовании скалярного произведения и о полноте бесконечномерных пространств Ь2 и
12 пространства сигналов являются гильбертовыми, что позволяет использовать хорошо развитый аппарат анализа таких сигналов [82].
Для целей сокращения информационной избыточности при обработке сигналов используется последовательность преобразований входных сигналов (исходных данных), т.е.
определенная совокупность моделей различного уровня Известно
[40], что преобразование ф всегда неизоморфно, а преобразования Ф,,Ф2, Ф3,...ФУ могут быть как изоморфными, так и неизоморфными, но для редукции (сокращения размерности) экспериментальных данных по крайней мере одно из них должно быть неизоморфным.
В ряде случаев методика построения неизоморфных моделей сигналов может быть следующей
[31].
Преобразование Ф, выбирается из класса спектральных преобразований в некотором базисе.
Преобразование Ф2 первичный отбор спектральных коэффициентов (признаков).
Основная редукция описания осуществляется с помощью оператора Ф3= L, реализующего укрупнение описания сигналов.
Однако может иметь место и вариант, когда преобразования
Ф,,Ф2 отсутствуют.
[31]: где X исследуемый объект; М э = ф {X} совокупность экспериментальных данных (экспериментальная модель); М,м = Ф! мэI математическая модель первого уровня; М™математическая модель v-ro уровня; М Ф= ¥ {Мум}физическая модель.
[стр. 68]

68 г и эффективную ширину спектра F= — со2^ 2(со)<1 Е „ Ш <00, 2 т где & (со)= F(jco) ; F(jco) = Jx(t) е Jffltdt.
о Указанные ограничения практически всегда выполняются в реальных ситуациях.
Эти ограничения позволяют рассматривать сигналы как элементы линейных функциональных пространств.
При дополнительном допущении о существовании скалярного произведения и о полноте бесконечномерных пространств Ь2 и
t 2 пространства сигналов являются гильбертовыми, что позволяет использовать хорошо развитый аппарат анализа таких сигналов [52].
Для целей сокращения информационной избыточности при обработке сигналов используется последовательность преобразований входных сигналов (исходных данных), т.е.
определенная совокупность моделей различного уровня Известно
[24], что преобразование (р всегда неизоморфно, а преобразования Ф1}Ф2>Ф3V ФУмогут быть как изоморфными, так и неизоморфными, но для редукции (сокращения размерности) экспериментальных данных по крайней мере одно из них должно быть неизоморфным.
В ряде случаев методика построения неизоморфных моделей сигналов может быть следующей
[19].
Преобразование Ф, выбирается из класса спектральных преобразований в некотором базисе.
Преобразование Ф2 первичный отбор спектральных коэффициентов (признаков).
Основная редукция описания осуществляется с помощью оператора Ф3= L, реализующего укрупнение описания сигналов.
Однако может иметь место и вариант, когда преобразования
Ф1,Ф2 отсутствуют.
Укрупнение сигналов, осуществляемое с помощью оператора L есть преобразование исходного сигнала X в сигнал меньшей размерности Y на основе интегрального представления в виде одного функционала [20].
[19]: где X исследуемый объект; Мэ = ф (Х совокупность экспериментальных данных (экспериментальная модель); MjM= Фj математическая модель первого уровня; М™математическая модель v-го уровня; • ч М ф= 'Р М ™}физическая модель.

[Back]