- •1. Объекты моделирования в процессе геофизических исследований
- •2. Уровни описания физико-геологической модели объекта исследования.
- •3. Аспекты (виды) неоднозначности решения геологических задач геофизическими методами и их природа.
- •4. Параметры, характеризующие физико-геологическую модель.
- •7. Основные типы шкал измерений
- •11. Способы оценки погрешности косвенных измерений
- •12. Основные отличия обработки от интерпретации данных.
- •13. Взаимосвязь понятий интерпретация и решение обратной задачи
- •14. Общая характеристика основных видов интерпретации геофизических данных (физическая геологическая качественная количественная смешанная)
- •15. Типовые задачи комплексной интерпретации и шкалы измерений целевых свойств и используемых данных
- •16. Существо методов подбора при решении задач комплексной интерпретации.
- •17. Основные типы задач распознавания образов.
- •18. Основные этапы постановки и решения задач распознавания образов
- •19. Основные отличия методов Байеса и максимального правдоподобия
- •20. Существо метода максимального правдоподобия
- •21. Существо метода Байеса.
- •21. Примеры детерминированных алгоритмов распознавания образов. На n-образов
- •22. Примеры алгоритмов классификации «метод связности»
- •23. Примеры практических задач, решаемых с использованием методов корреляционно-регрессионного анализа
- •24. Коэффициент корреляции и его свойства
- •25. Способы оценки коэффициентов уравнения регрессии
18. Основные этапы постановки и решения задач распознавания образов
Распознавание образов - процесс отнесения объекта по фиксированной группе его свойств к одному объекту из множества образов по заранее оговоренному правилу.
Постановка задачи распознавания образов: дано множество объектов, относительно которых необходимо провести классификацию. Множество представлено подмножествами, которые называются классами. Заданы: информация о классах, описание всего множества и описание информации об объекте, принадлежность которого к определенному классу неизвестна. Требуется по имеющейся информации о классах и описании объекта, установить - к какому классу относится этот объект.
Этапы решения задачи распознавания образов:
Генерация признаков - выявление признаков, которые наиболее полно описывают объект.
Селекция признаков - выявление признаков, которые имеют наилучшие классификационные свойства для конкретной задачи.
Построение классификатора.
Оценка классификатора.
19. Основные отличия методов Байеса и максимального правдоподобия
Метод Байеса может быть применен при наличии двух и более классов, когда метод максимального правдоподобия разработан максимум для двух классов.
При расчете с помочью метода Байеса учитывается априорная информация.
20. Существо метода максимального правдоподобия
Данный метод используется как метод проверки двух гипотез:- гипотеза о наличии объектов первого класса,- гипотеза о наличии объектов второго класса.
Определить пороговое значение для каждого из свойств
Произвести кодировку значений по правилу еслитоиначе
Рассчитать вероятности принадлежности контрольного объекта к классам при условии гипотез
Рассчитать коэффициентправдоподобия
n- количество признаков
Критерий: Если, то контрольный объект относится к первому классу, иначе -
ко второму.
21. Существо метода Байеса.
1, Определить пороговое значение для каждого из свойств
2. Произвести кодировку значений по правилу еслито иначе
3, Рассчитать вероятности принадлежности контрольного объекта к классам при условии гипотез
по заданной системе свойств
- априорная
, где
4. Вычислить апостериорную вероятность принадлежности объекта к каждому классу
вероятность классов (вероятность появления объектов k-ro класса), т - количество классов распознавания.
Критерий: вероятность принадлежности контрольного объекта определяется максимальной величиной найденных вероятностей.
21. Примеры детерминированных алгоритмов распознавания образов. На n-образов
1) «по ближайшему среднему»
Суть алгоритма - определение принадлежности заданного объекта к одному из классов по средней мере сходства этого объекта и объектов заданных классов.
2) «по ближайшему одному»
Суть алгоритма: контрольный объект принадлежит к тому классу, к которому относится объект, максимально похожий на контрольный. НА 1-ОБРАЗ
1) «Центра масс»
Суть алгоритма: контрольный объект относится к заданному классу, если он находится ближе или на том же расстоянии, что и самый удаленный от центра объект заданного класса.
2) Алгоритм связности: