Функция принятия решения о принадлежности паттерна к
кластеру.
После того, как найдены такие границы, что
n
C
0
>
0
для
каждого номера кластера
j
рассчитывается бинарная функция доба-
вления текущего паттерна
AU
C
0
в кластер
C
j
:
J
add
(AU
C
0
, j, D
q
) = dist (AU
C
0
, j, D
q
)
−
τ
jD
q
;
(5)
dist (A
U
C
0
, j, D
q
) =
4
m
C
0
jD
q
N
1
+
γ ϕ
T
C
0
D
q
−
ϕ
(
μ
jD
q
)
,
(6)
где
4
m
C
0
jD
q
= (m
C
0
D
q
−
m
jD
q
)
,
ϕ
(x)
— некоторое преобразование
вектора
x
. В качестве преобразования
ϕ
предложено использовать
оператор Фурье. Если
(
J
add
>
0)
≡
(
J
add
= 1)
для текущего номе-
ра
j
, то набор преобразований и частотные характеристики отличают-
ся от паттернов в коллекции на значение, большее порогового значе-
ния
τ
jD
q
. Следовательно, необходимо добавить текущий паттерн
AU
C
0
как экземпляр нового кластера
C
0
. Если
(
J
add
≤
0)
≡
(
J
add
= 0)
, то
AU
C
0
2
C
j
, паттерн добавляется в кластер
C
j
, где он используется для
реорганизации кластеров. Пороговые значения
τ
jD
q
и коэффициенты
нормализации
γ
определяют экспериментально.
Временн ´ые последовательности успешно сравниваются с помо-
щью нечетких конечных автоматов [4, 9]. В настоящей работе после-
довательности преобразований полагаются уже структурированными,
поэтому предложено использовать алгоритм, аналогичный сопоста-
влению осей времени (dynamic time warping, DTW), примененный в
работе [8] с радиально-базисной функцией ядра, но в частотной обла-
сти (dynamic frequency warping, DFW). Это обусловлено тем, что про-
цессы, имеющую разную продолжительность и содержащие повторя-
ющиеся паттерны поведения, целесообразнее исследовать частотными
методами. Для проверки гипотезы рассмотрим два примера последова-
тельностей (сессия № 119 и 205) базы MMI, на которых присутствуют
паттерны двух разных классов (Y
1
— “закрытие глаз”; Y
3
— “морга-
ние”). Без частотного анализа эти паттерны могут быть классифици-
рованы как одинаковые. Нормированные значения синтезированных
векторов преобразований
T
для вершины метаграфа “глаза”, получен-
ные по кадрам двух сессий, представлены на рис. 6,
а
,
б
.
Результаты исследования временн´ого и частотного алгоритмов по-
казывают, что они проявляют себя по-разному в зависимости от нор-
мализации данных, В таблице в столбцах
g
и
g
н
представлены резуль-
таты алгоритма сравнения значений вершин и их нормализованных
значений соответственно, в столбцах
T(g)
,
T(g
н
)
и
T
н
— результаты
сравнения преобразований векторов
g
или
g
н
и их нормализованных
значений соответственно,
F
и
F
н
— результаты сравнения преобразо-
ваний Фурье и их нормализованных значений. При сравнении
T
н
и
F
н
48 ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2014. № 4
