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