УДК
519.6
В
.
М
.
Ч е р н е н ь к и й
,
Н
.
В
.
П т и ц ы н
МЕТОД НЕПАРАМЕТРИЧЕСКОЙ
КЛАССИФИКАЦИИ В РАСПОЗНАВАНИИ
ОБРАЗОВ
Рассмотрены методы непараметрической классификации в задачах
распознавания образов
.
Кратко описаны два известных метода
—
k
-NN (
k
ближайших соседа
)
и окно Парзена
.
Оба метода расширены
для приложений с нечетким обучающим набором
.
Предложен новый
гибридный метод
,
сочетающий преимущества метода
k
-NN
и окна
Парзена
.
Целью исследований в области распознавания образов
(pattern
recognition) [1–4]
является создание систем
,
обеспечивающих авто
-
матическую классификацию наблюдаемых объектов по заранее предо
-
пределеннымили даже неизвестнымклассам
(
типам
,
группам
,
ситу
-
ациям
).
Образ поступает в систему в виде сигналов
,
например
,
звука
,
изображения или показаний измерительных приборов
.
Результатом
распознавания
,
в общемслучае
,
является вектор значений
,
который
определяет вероятность или степень принадлежности образа к предва
-
рительно определеннымклассам
.
Системы распознавания образов успешно используются в прило
-
жениях различного уровня сложности
:
управление роботами
,
контроль
качества в производстве
,
системы безопасности
,
распознавание печат
-
ных текстов
,
медицинская диагностика
.
Распознавание образов тесно
связано с такими понятиями как искусственный интеллект
,
система
поддержки принятия решений и экспертная система
.
В работах
[4, 5]
авторы выделяют следующие подходы к постро
-
ению системраспознавания
:
статистическая классификация
;
сравне
-
ние с шаблоном
;
синтаксическое или структурное сравнение
;
нейрон
-
ные сети
.
Эти подходы не являются независимыми
;
одинаковые мето
-
ды распознавания могут иметь разную интерпретацию
(
см
.,
например
,
[6]).
Очевидно
,
что пока не существует универсального метода и выбор
оптимального метода зависит от условий задачи
:
типа входной инфор
-
мации
,
сложности образов
,
требуемой степени обобщения и ожидаемо
-
го результата распознавания
.
Настоящая статья посвящена методу на основе первого из упомяну
-
тых подходов
,
так называемой
статистической классификации
[7–10].
Особенностью статистического подхода является то
,
что распознава
-
емый объект задается точкой в
D
-
мерном пространстве признаков
.
Признак представляет собой число
,
характеризующее образ
,
например
,
ISSN 0236-3933.
Вестник МГТУ им
.
Н
.
Э
.
Баумана
.
Сер
. “
Приборостроение
”. 2005.
№
3 49
