Page 55 - 4196
P. 55

Після  завершення  процедури  навчання  рішаюча
           функція набуває вигляду
                                  g    ax   n    x ,
           де
                              n
                           1   1             n           
                      a  n    L 21      Lx i  12   x i
                                                        .
                           n                              
                                           i n 1 1     
                              1i
           Спостереження  x      i ,   1 ,... n   належать  класу   ,  а  спо-
                              i         1                     1
           стереження  x , i   n   1 ,..., n  - класу   .
                                 1
                         i
                                                    2
                 В  подальшому  функцію   xg     можна  використати
           для класифікації об’єктів невідомої природи.
                 Основною перевагою алгоритмів навчання є проста
           побудова  роздільних  гіперповерхонь.  Але,  якщо  існує
           будь-яка  допоміжна  інформація  про  розподіли  класів
            f  x  i  , то природно спочатку апроксимувати  xf   i  , а
           далі будувати роздільну гіперповерхню.

                 4.6 Класифікація з самонавчанням
                 Класифікація геологічних об’єктів з використанням
           навчання  на  еталонах  має  свої  обмеження,  які  передба-
           чають, що нові об’єкти мають природу, ідентичну з ета-
           лонами.  В  складно  побудованих  районах,  коли  мінли-
           вість  характеристик  об’єктів  досить  значна,  доцільність
           використання еталонів викликає сумніви. В такому випа-
           дку  кращі  результати  можна  отримати,  застосувавши
           класифікацію без навчання (самонавчання), яка базується
           на  виділенні  класів  за  принципом однорідності  об’єктів
           та подібності ознак. Геологічна природа класів може бу-
           ти  установлена подальшими дослідженнями, наприклад,
           бурінням.
                 Існує  декілька  підходів,  які  дозволяють  з  мішаної
           вибірки виділяти та описувати класи. Набір методів виді-
           лення класів, що використовують «внутрішні» властиво-
           сті мішаної вибірки, таких, як міра подібності між окре-
           мими елементами або групами елементів, відноситься до
           кластер-аналізу.


                                        55
   50   51   52   53   54   55   56   57   58   59   60