Cтраница 2
Решающее правило ( 6), основанное на использовании оценки плотности вероятностей в виде ( 12), является нелинейным. Разделяющая поверхность, которую оно реализует, может быть синтезирована настолько сложной, насколько это необходимо для того, чтобы с ее помощью осуществить распознавание с заданной надежностью при достаточно сложных областях классов. [16]
Решающее правило ( 1) и вообще любой алгоритм распознавания, манипулирующий только с полным описанием объектов, не учитывает и не может учитывать затраты, связанные с измерением самих признаков. Например, при распознавании плоских фигур методами интегральной геометрии для измерения признаков - моментов фигуры - требуется машинное время. [17]
Решающее правило - указание, предназначенное для принятия решения относительно приемки партии продукции по результатам ее контроля. [18]
Решающее правило, заранее установленное, применяют для принятия решения относительно приемки или отклонения партии продук - uiiii по результатам ее контроля. Для принятия решения относительно приемки или отклонения парит продукции может быть предусмотрена определенная совокупность решающих правил. [19]
Обычно решающее правило (3.5) или любое другое решающее правило не обеспечивает безошибочной классификации. [20]
Решающее правило теоремы 3 может быть обобщено. [21]
Описанное решающее правило может быть названо рандомизированным правилом, так как на каждой стадии эксперимента используется случайный механизм для решения вопроса о прекращении испытаний и принятии решения или о проведении дополнительных наблюдений. [22]
Решающим правилом ( см. § 2.1) воспользоваться при проверке гипотезы Н0 нельзя, поскольку неизвестно, что будет служить в качестве значения числа отказов Й2о в формулах (2.12) и (2.21) для потока отказов, у которого интенсивность равна Ясо. [23]
Это решающее правило называют байесовским критерием, минимизирующим риск. [24]
Плотность вероятности решающего правила / г ( Х, гдо. [25] |
Поскольку решающее правило (3.11) представляет собой линейное преобразование п-мерпо-го пространства в одномерное, то если X является нормально распределенным случайным вектором, решающее правило fe ( X) также будет нормальной случайной величиной. [26]
Это решающее правило называют байесовским критерием, минимизирующим риск. [27]
Плотность вероятности решающего правила А ( Х, гдо 1п Р ( ы / Р ( м2. a p ( / i / w, б p ( ft. coj. [28] |
Поскольку решающее правило (3.11) представляет собой линейное преобразование и-мерпо-го пространства в одномерное, то если X является нормально распределенным случайным вектором, решающее правило h ( X) также будет нормальной случайной величиной. [29]
Трансформируем решающее правило (4.47) так, что в пределах зоны неустойчивости ( х0 - дх, х дх) алгоритм отказывается от принятия решения. [30]