Page 15 - 4196
P. 15

цьому  використовуються  розбіжність  вибірки  за  мірами
           однорідності,  факторний  аналіз,  метод  головних  компо-
           нент, метод сумішей. Обидва підходи - «внутрішній» та
           «зовнішній» - можуть застосовуватися сумісно.
                 Якщо  за  принцип  класифікації  прийняти  спосіб
           отримання та об’єм інформації про об’єкти класифікації,
           то системи розпізнавання умовно можна розподілити на
           системи без навчання, з навчанням та самонавчанням.
                 Системи без навчання. В системах цього типу пер-
           винної  інформації  достатньо  для  того,  щоби  визначити
                                                              p
           кількість класів, вибрати вид та розподіл ознак    в
                                                                  
                                                                 x
           кожному  класі  або  об’єм  вихідної  інформації  дозволяє
           знайти цей розподіл шляхом обробки вихідних даних.
                 Системи з навчанням. В цих системах на початко-
           вому етапі організується процедура навчання, мета якої –
           визначення розділяючи функцій на базі еталонних даних
           з відомою класифікацією. На наступному етапі класифі-
           каційні функції перевіряються на ефективність («екзаме-
           нуються») шляхом проведення класифікації контрольної
           групи еталонних даних.
                 Самонавчальні системи. В системах з самонавчан-
           ням  відсутня  попередня  апріорна  інформація  про  кіль-
           кість класів і задача полягає в розділенні вихідних даних
           на окремі однорідні частини, віднесені до різних класів.
           Для  цієї  мети  користуються  методами  кластер-аналізу
           або апроксимацію сумішами. Процес розщеплення міша-
           ної вибірки  і побудова розподілів для отриманих класів
           називається генерацією гіпотез.
                 В  залежності  від  характеру  інформації  про  ознаки
           виділяють  системи  розпізнавання  –  детерміновані,  ймо-
           вірнісні, логічні, структурні (лінгвістичні) та комбінова-
           ні.
                 В детермінованих системах для побудови алгорит-
           мів  розпізнавання  використовують  «геометричні»  міри
           близькості віддалі між об’єктом розпізнавання та етало-
           нами класів, заданих координатами.
                 В ймовірнісних системах використовують алгорит-
           ми  класифікації,  які  базуються  на  теорії  статичних  рі-
           шень. При цьому передбачається наявність відмінностей

                                        15
   10   11   12   13   14   15   16   17   18   19   20