Введение........................................................................................................ 3
1. Основные понятия теории распознавания образов.................................. 5
2. Принципы построения систем распознавания образов........................... 9
3. Особенности систем и методов распознавания в задачах
тематической обработки данных ДЗ………………………………………. 12
4. Основные принципы построения систем распознавания данных ДЗ... 16
5. Задача классификации образов, представленных набором измеряемых
параметров. Геометрическая и аналитическая
интерпретация……………………………………………………………….. 22
6. Группировка образов с использованием функций расстояния
(кластерный анализ). Задачи кластерного анализа в тематической
обработке данных ДЗ………………………………………………………... 26
6.1. Методы выявления (выращивания) кластеров.................................. 29
6.2. Кластеризация при заданном количестве групп. Алгоритмы
класса ISODATA…………………………………………………………….. 31
6.3. Дисперсионно-ковариационные критерии качества
кластеризации……………………………………………………………….. 36
7. Выбор признаков. Корреляционный анализ данных............................... 40
7.1. Элементы факторного анализа. Метод главных компонент............. 44
8.Статистический подход к задаче распознавания. Элементы теории
статистических решений............................................................................. 50
8.1. Байесовская стратегия минимального среднего риска...................... 52
8.2. Байесовская стратегия в условиях неполной информации............... 54
8.3. Случай нескольких классов. Априорные и апостериорные
вероятности. Формула
Байеса.........................................................................
55
8.4. Байесовский классификатор для многомерного случая.................... 49
8.5. Обучение статистических классификаторов. Вероятность ошибок.
Меры статистической разделимости.......................................................... 59
9. Самообучающиеся системы распознавания............................................. 63
9.1. Алгоритм корректирующих приращений........................................... 64
9.2. Алгоритм минимальной среднеквадратичной ошибки (НСКО-
алгоритм обучения)...................................................................................... 65
9.3. Метод потенциальных функций........................................................ 66
