Полная версия

Главная

  • Увеличить шрифт
  • Уменьшить шрифт


<<   СОДЕРЖАНИЕ   >>

6.4. Параметрическая классификация без обучения. Декомпозиция смесей вероятностных распределений

Целесообразность и эффективность применения тех или иных методов классификации обусловлены конкретизацией математической постановки задачи. При этом определяющим является ответ на вопрос, на какой априорной информации строится модель 1321:

  • • из априорных сведений об исследуемых классах;
  • • из априорной выборочной информации.

Априорные сведения обычно относятся к виду закона распределения, общим свойствам закона распределения исследуемого случайного вектора X в соответствующем пространстве либо получаются из теоретических или предметно-профессиональных соображений о природе исследуемого объекта.

Получение априорной выборочной информации, как правило, связано с организацией системы экспертных оценок, проведением специального предварительного этапа, посвященного решению задачи простой типологизации в пространстве результирующих показателей.

Если в вероятностной интерпретации классифицируемые наблюдения Ху, Х2,.... Х„ – это выборка из некоторой генеральной совокупности, описываемой функцией плотности или полигоном распределения /(X), которые, как правило, неизвестны исследователю, то вторая задача может быть сформулирована как задача выявления областей повышенной плотности наблюдений, т.е. таких областей возможных значений многомерного признака X, которые соответствуют локальным максимумам функции плотности f(X).

 
<<   СОДЕРЖАНИЕ   >>