Алгоритм - классификация - Большая Энциклопедия Нефти и Газа, статья, страница 3
Если памперсы жмут спереди, значит, кончилось детство. Законы Мерфи (еще...)

Алгоритм - классификация

Cтраница 3


Следует отметить, что знаменитая теорема, доказанная А. А. Марковым в [ Маг 3 ], утверждает, что для 4-мерных многообразий проблема классификации алгоритмически неразрешима. Для трехмерных многообразий существует алгоритм классификации, но его описание занимает целую книгу [ Нет ], и мы его обсуждать здесь не будем. Таким образом, наша главная цель - описать простые универсальные конструкции, используемые для представления всех ( компактных ориентируемых) трехмерных многообразий.  [31]

Обучающие выборки для алгоритмов / D3, ДРЕВ не должны содержать объектов с неизвестными значениями, хотя после того, как решающие правила сформированы, их можно использовать для классификации объектов с неизвестными значениями некоторых атрибутов. Еще одной характерной особенностью алгоритма последовательной классификации является представление решающего правила в виде информационной базы, более сложной, чем рассмотренные выше представления. Предложенный алгоритм имеет невысокую вычислительную сложность, определяет принадлежность предъявленного объекта одному из множества классов, но не подходит для случая чисто качественных признаков.  [32]

Рассматривается система обработки текущей информации о процессе. Информативные сочетания параметров процесса, образуемые алгоритмом классификации, используются для создания частных непрерывных аппроксимаций, а затем и решающего правила в форме непрерывной функции от этих параметров. Приводятся алгоритм оптимизации процесса по полученному прогнозу ожидаемого результата и алгоритм получения несмещенной оценки решающих правил по исходной ( тренировочной) выборке. Излагаются результаты применения системы алгоритмов к решению задач прогнозирования и оптимизации ряда технологических процессов.  [33]

Диалоговый пакет прикладных программ составляет третий уровень программного обеспечения АРМ-ОИ, который предназначен для решения задач тематической интерпретации аэрокосмических изображений. Его основу составляют программы, реализующие в основном формализованные методы и алгоритмы классификации с обучением. Общее управление пакетом осуществляет программа-монитор. Диалог оператора с ЭВМ производится на языке, основанном на мнемонике. Тип файла характеризует структуру соответствующих ему данных.  [34]

35 Матрица А. [35]

Если теперь рассмотреть множество М т технологических процессов, то, решая многократно задачу (3.26) - (3.29), можно объединить в один класс наиболее близкие между собой процессы. Такой процесс называется иерархической процедурой классификации, а дисциплина, изучающая принципы и алгоритмы классификации объектов по совокупности признаков ( поли-тетической классификации) - кластерным анализом.  [36]

Важным вопросом практического применения алгоритма классификации является вопрос выбора наиболее информативных ( существенных) факторов, что связано в первую очередь со стремлением к уменьшению объема работ по сбору исходных данных. Для решения этой задачи из полного набора потенциально полезных факторов исключают по одному фактору и проверяют эффективность алгоритма классификации для каждого сокращенного набора факторов на обучающей выборке. Например, был исключен первый фактор ( количество листов приведенного формата) и проверена эффективность алгоритма классификации с оставшимся набором.  [37]

Вместе с тем режим диалога с ЭВМ требует значительного увеличения затрат на создание программного обеспечения, возрастает стоимость проектирования. Проведение исследования в нашей стране и за рубежом показали, что возможно создание пакетов программ, позволяющих накапливать опыт проектирования и формировать алгоритмы классификации генерирования понятий, поведения. Поэтому возникла и решается проблема создания автоматизированных систем проектирования технологических процессов в режиме диалога с последующим переходом к патентному ( автоматическому) режиму более высокого уровня за счет использования программ обучения.  [38]

Индуктивные системы позволяют обобщать примеры на основе принципа индукции от частного к общему. Процедура обобщения сводится к классификации примеров по значимым признакам. Алгоритм классификации примеров включает следующие основные шаги.  [39]

40 Функции распределения случайных величин. [40]

В общем случае вопрос об аппроксимации рядов распределения укороченными рядами решается непросто. Необходимо выбрать число групп и обоснованно сгруппировать значения. Не останавливаясь подробно на алгоритмах классификации, укажем лишь, что здесь оказываются полезными идеи распознавания образов и кластер-анализа.  [41]

Во-первых, каждый метод требует количеетвенного определения, или меры, относительного сходства. Во-вторых, при заданных количественных показателях сходства, требуется алгоритм для вычисления коэффициентов сходства с тем, чтобы обнаружить однородные группы или классы. Для любого метода определения сходства при наличии многих переменных существует ряд алгоритмов классификации. Если ограничиться методами, использующими только количественные измерения, то частный алгоритм классификации может быть применен к нескольким различным показателям сходства.  [42]

Важной является задача классификации сигналов, под которой понимается определение принадлежности параметров сигнала к одному из возможных распределений. Сто-хастичность сигнала и наличие помех требуют последовательной процедуры классификации, при этом алгоритм классификации должен минимизировать ошибки классификации.  [43]

Важным вопросом практического применения алгоритма классификации является вопрос выбора наиболее информативных ( существенных) факторов, что связано в первую очередь со стремлением к уменьшению объема работ по сбору исходных данных. Для решения этой задачи из полного набора потенциально полезных факторов исключают по одному фактору и проверяют эффективность алгоритма классификации для каждого сокращенного набора факторов на обучающей выборке. Например, был исключен первый фактор ( количество листов приведенного формата) и проверена эффективность алгоритма классификации с оставшимся набором.  [44]

45 Проблемы с категориями. Карта с большим числом категорий. Из-за недостатка подразделительной иерархии может быть трудно понять, к какой категории относится каждый полигон. [45]



Страницы:      1    2    3    4