- •18. Достоинства и недостатки методов, основанных на близости описании.
- •19. Меры сходства изображений, используемые для выявления классов (кластеров).
- •20. Подходы к построению процедуры классификации (кластеризации).
- •22. Эвристический алгоритм максиминного расстояния.
- •23. Алгоритм к внутригрупповых средних.
- •24. Алгоритм isodata.
- •25. Дост-ва и нед-ки алг-ов обуч-я без учителя.
- •26. Изображающие числа и базис.
- •27. Восстан-е булевой ф-ции по ич.
- •28. Зависимость и независимость булевых функций.
- •30. Отыскание решений логического уравнения.
- •31. Техника реш-я лог.Ур-й с помощью булевых матриц.
- •32. 2 Задачи о замене переем-х в булевых ф-ях.
- •33. Прямая и обратная лог. Задачи распознавания.
- •34. Пример логической задачи распознавания
- •37. Перцептрон и его мат. Модель
- •38. Алгоритм обучение перцептрона
- •39. Сходимость алгоритма обучения перцептрона. Теорема Новикова.
- •40. Итеративные проц-ры распознав. На основе град.-ных методов: минимизация одной ф-ии.
- •41. Итератив.Проц-ры распознав. На основе град. Методов: совмест. Миним-ция неск. Ф-ий.
- •43. Физич.Интерпретация метода потенц. Ф-ий.
- •44. Кумулятив. Потенциал. Алг-м итеративного выч-я кумул. Потенциала.
- •45. Тh о сходимости обуч-я классификации методом потенц. Ф-ций.
- •47. Элементы задачи решения.
- •48. Условный риск. Общий риск.
- •53. Схема доказательства оптимальности процедуры Неймана-Пирсона.
- •54 Обуч-е байесовской пр-ры распознавания: оценка неизвестных параметров.
- •55. Оценка неизвестной плотности вероятности по априорной информации.
- •56. Оценка неизв. Плот-ти вер-ти с использ-ем экспериментальных данных.
- •57 Правило ближайшего соседа как пример непараметрического метода
- •58. Основы мгуа.
- •59. Применение мгуа для решения задачи ро
- •61. Постановка з-чи распоз-я линг. Образов.
- •62. 3 Способа реш-я зр линг-ких образов.
- •63. Зад. Восст. Грамматики по обучающей выборке
- •66. Теорема о разр-ти для информаторного представления.
- •69. Алгоритм Фельдмана.
- •70. Требование к вектору признаков
- •71.Среднеквадрат. Расстояния м/у различ. Типами объектов в евклидовом пространстве
- •72. Преобр-е детерминир. Вектора признаков, миним-щих внутриклассовое расстояние.
- •73. Способы учета измен-я межклассовых расст-й при мин-ции внутрикл. Расстояний
23. Алгоритм к внутригрупповых средних.
Пусть задано мн-во образов X1,…,XN.
1 шаг. Выбир-ся К исходных центров кластеров
z1(1), z2(1), z3(1),…, zk(1) Обычно берутся 1-ые К рез-тов выборки из заданного мн-ва образов
2 шаг. На К-ом шаге итерации заданное мн-во Х распред-ся по К кластерам след. образом xSj(k) если ||x-Zj(k)||<=||x-zi(k)|| i=1…k i<>j,
где Sj(k) - мн-во образов, входящих в кластер с центром zj(k)
3 шаг. На основании результата 2шага выбир-ся новые центры кластеров z(k+1) исходя из того, что расстояние м/у всеми образами в Sj(k) и новым центром будет минимально.
j=1,2,..k
где Nj — число выборочных образов, входящих в множество Sj(k)
4 шаг. Если zj(k+1)=z(k), то алг-м останавливается Иначе происходит новое разбиение и алг-м продолжается до тех пор, пока не будет найдено оптим. решение.
24. Алгоритм isodata.
Общая стр-ра алг-ма такова:
Задан набор исходных центров кластеров
z1, z2,…, zNc и набор образов {x1, x2,…, xN}.
Формир-ие подмн-в выборочных множ-в Sj.
Слияние кластеров(если треб-ся с переходом на 1).
Расщепление кластеров (если требуется с переходом на 1).
При этом исп-ся след. эвристики:
Ликвидация кластеров с числом эл-тов меньше заданного знач-я.
Объедин-е кластеров, нах-ся близко др.к др.
При объед-и
кластеров с центрами Zi
и Zj
образ-ся 1 кластер с центром
Расщепление кластера м/т происходить по одному из след. критериев:
1. При достаточно сильной разбросанности образов расщепляемого кластера в масштабе общего множ-ва образов.
2. Если треб-ся получить дост-но большое число кластеров.
25. Дост-ва и нед-ки алг-ов обуч-я без учителя.
-: необх-ть проведения обширных экспериментов, трудность применения к данным сложной стр-ры.
+: простота реализ-и, примин-е эвристич. подходов.
26. Изображающие числа и базис.
Базис - таблица, к-рая представляет все возможные комбинации значений истинности нек-го набора элементов А, В, С, ... .
Для п элем-в А1, ..., Ап базис содержит п строк и 2n колонок. Тогда базис для одного элемента:
#A=0 1;
для двух элементов A и B:
0 1 2 3
#A = 0 1 0 1
#B = 0 0 1 1
Строки базиса наз-т изображающими числами соотв-щих элем-в и обоз-ют приписыванием слева от элем-та знака #.
Операции над изобр числами: 1) ИЧ дизъюнкции 2х элем-в = сумме ИЧ слагаемых: #(A + B)= #А + #B, 2) ИЧ конъюнкции 2х элем-в опред-я как произведение ич сомножителей: #(A•B)=( #А)•(#B ), 3) ич отрицания А- получ-ся из ич А заменой в каждом разряде 0 на 1 и 1 на 0.
27. Восстан-е булевой ф-ции по ич.
Пусть есть мн-во, состоящее из п элементов
А1, ..., Ап. Произв-ие вида А1 •А2...Ап-1 •Ап, составленное из эл-тов Ai, или их отрицаний Аi- и содержащее п сомножителей, наз-ся элементарным произв-ем. Из п элементов м/о составить 2n различ. элем-ых произведений. ИЧ каждого элем-го произв-я имеет только одну “1” в одном из 2n разрядов.
(СДНФ) булевой ф-ции — сумма элемент. произв-й. Чтобы по данному ИЧ восстановить булеву функцию в СДНФ, нужно суммир-ть элемент. произвед-я, изображающие числа к-рых имеют единицы в тех же разрядах, что и изобр.числа булевой ф-ции
(КНФ). Элементарными суммами для п элементов А1, ..., Ап называются суммы вида A1+A2+...An-1+An, составленные из элементов Ai или их отрицаний Aj и содержание п слагаемых. Из п элементов можно составить 2n элементарных сумм. Изображающие числа элементарных сумм содержат только один 0 в одном из 2n разрядов
КНФ булевой функции представляет собой произв-ие элем-ых сумм. Для того чтобы написать булеву функцию, соответствующую данному изображ-му числу в КНФ, необходимо перемножить элемен-ые суммы, изображ. числа кот-х имеют те же 0, что и изображ-ее число булевой функции.
