Розроблено ефективні методи побудови вирішальних правил імовірнісних систем автоматичного розпізнавання відкритого типу, що навчаються. Запропоновано й обгрунтовано метод побудови скороченої зваженої навчальної вибірки мета-об'єктів, вагу яких необхідно розраховувати до побудови вирішальних правил класифікації, що дозволило суттєво скоротити навчальну вибірку. Наведено новий метод коректного додавання даних у вибірку мета-об'єктів, який доцільно використовувати під час побудови систем розпізнавання відкритого типу, що навчаються. Створено метод побудови потенційних функцій за зваженими навчальними мета-вибірками, що дозволило використовувати у процесі побудови вирішальних правил значення ознак розпізнаваних об'єктів і знання про розташування об'єктів навчальної вибірки у просторі ознак. Розроблено генетичний алгоритм побудови вирішальних правил класифікації, згідно з яким правило представлене як псевдобулева функція. Запропоновано спосіб імовірнісного формування початкової популяції хромосом, що передбачає врахування ваги об'єктів навчальної вибірки, а також метод обчислення подвійної фітнес-функції. Визначено та теоретично обгрунтовано набір генетичних операторів. Запропоновано новий метод побудови вирішальних правил імовірнісних систем автоматичного розпізнавання відкритого типу, що навчаються, який передбачає застосування способу визначення відособленості класів, методу формування зваженої навчальної вибірки мета-об'єктів, генетичного алгоритму побудови вирішального правила. Використання даного методу дає змогу підвищити якість розпізнавання, зменшити часові витрати на побудову вирішального правила та виконання класифікації, скоротити об'єм даних, що зберігаються.

  Завантажити