- •1. Понятие имени, формализации и состояния
- •2. Классы и классификация. Постановка задачи распознавания
- •Постановка задачи распознавания
- •Основные задачи построения систем распознавания образов
- •Формирование эталонного описания.
- •Выбор решающего правила.
- •Разработка алгоритмов управления работой системы распознавания
- •Критерий распознавания Байеса:
Критерий распознавания Байеса:
Признаковая информация представляется в виде таблиц распознавания вида
Классы |
Градации признака хi |
|||
|
хi1 |
xi2 |
... |
xim |
А1 |
0.6 |
0.5 |
... |
0.1 |
А2 |
0.7 |
0.4 |
... |
0.2 |
... |
... |
... |
... |
|
An |
0.1 |
0.2 |
... |
0.1 |
Наиболее часто используется критерий Байеса, который выражается формулой
p(Aj/bk) = ,
где p(Aj/bk) - вероятность гипотезы о принадлежности реализации bк к j-му классу.
bk = { x1l, . . . , xnk, . . . , xNp},
хi - признаки классов, l,k,p - градации признаков,
p(Aj) - априорная вероятность проявления j-го класса(Aj);
p(bk/Aj) - условная вероятность проявления признаков реализации bk у класса Aj.
M - количество классов.
P(Aj) = mj / F ( mj - количество объектов j-го класса, F - суммарное количество объектов всех классов).
N
P(bk/Aj) = П p(xil/Aj),
i=1
где p(xil/Aj) - вероятность проявления l-ой градации i-го признака у класса Aj.
N - количество признаков в рабочем словаре.
В результате вычислений по формуле Байеса получим значения p(Aj/bk) для каждого класса.
Решение о принадлежности реализации к конкретному классу принимается по максимуму вычисленной вероятности.