Page 86 - 4196
P. 86

У ході  ітеративної процедури отримують варіацій-
           ний ряд ознак по зменшенню їх інформативності.
                 Паралельно із процедурою ранжування ознак за  їх
           інформативністю на кожному кроці здійснюється класи-
           фікація заданих еталонних об’єктів і визначаються похи-
           бки  класифікації.  Якщо  додавання  чергової  ознаки  не
           збільшує похибку класифікації, вона рахується ефектив-
           ною і приєднується до списку інформативних ознак.

                 4.7.6 Інформативні комбінації ознак

                 Ознаки можуть по різному проявляти себе в задачах
           класифікації, залежно від того, як вони розглядаються –
           окремо чи сумісно. Наприклад, деякі ознаки у двох кла-
           сах  можуть  мати  близькі  числові  характеристики  ,  що
           свідчить про однорідність одновимірних розподілів у цих
           класах і про малу ефективність класифікації за окремими
           ознаками. З іншого боку, сумісний розподіл ознак у двох
           класах  може  виявитися  суттєво  відмінним.  На  рисунку
           4.5  наведений  такий  випадок,  коли  математичні  споді-
           вання та дисперсії двох компонент  X  і  X  у двох кла-
                                                   1     2
           сах     і    співпадають. Тим не менше, класи відріз-
                        2
                  1
           няються  за  сумісним  розподілом  векторів  X   1 ,  X 2    за
           рахунок  різних  сумісних  характеристик  –  коефіцієнтів
           кореляції.
                 Як  видно  із  наведеного  прикладу,  існують  сумісні
           інтервали ознак  X 1 ,  X  (непересічні області 1, 2, 3, 4), де
                                   2
           двовимірні  щільності  для  одного  класу  дорівнюють  ну-
           лю, а для іншого класу не дорівнюють нулю. Такі сумісні
           інтервали можна рахувати інформативними і використо-
           вувати для класифікації об’єктів невідомої природи.
                 Надійність  виділення  інформативних  комбінацій
           ознак  зростає  при  збільшенні  кількості  еталонних
           об’єктів. Очевидно, що збільшення числа ознак для сумі-
           сного аналізу вимагає значної кількості еталонів.






                                        86
   81   82   83   84   85   86   87   88   89   90   91