RUS  ENG ЖУРНАЛЫ   ПЕРСОНАЛИИ   ОРГАНИЗАЦИИ   КОНФЕРЕНЦИИ   СЕМИНАРЫ   ВИДЕОТЕКА   ПАКЕТ AMSBIB
Общая информация
Последний выпуск
Архив
Импакт-фактор

Поиск публикаций
Поиск ссылок

RSS
Последний выпуск
Текущие выпуски
Архивные выпуски
Что такое RSS



Вестн. Удмуртск. ун-та. Матем. Мех. Компьют. науки:
Год:
Том:
Выпуск:
Страница:
Найти






Персональный вход:
Логин:
Пароль:
Запомнить пароль
Войти
Забыли пароль?
Регистрация


Вестн. Удмуртск. ун-та. Матем. Мех. Компьют. науки, 2014, выпуск 3, страницы 134–141 (Mi vuu446)  

КОМПЬЮТЕРНЫЕ НАУКИ

Использование бета-распределения в задачах анализа информативности признаков и повышения эффективности решающего правила при распознавании текстурных изображений

В. Н. Милич, В. А. Сметанин

Отдел исследования и диагностики пространственной структуры, Физико-технический институт УрО РАН, 426000, г. Ижевск, ул. Кирова, 132

Аннотация: Рассматриваются задача классификации текстурных изображений и проблема уменьшения пространства признаков. Предлагается редукция задачи многоальтернативной классификации до бинарной одномерной задачи, в которой допустимо использовать байесовский подход c одномерными оценками распределений. Вводится гипотеза о бета-распределении значений признаков для одного класса. Параметры распределения оцениваются методом моментов. Для оценки четырех параметров требуются аналитические выражения и статистические оценки первых четырех моментов этого распределения. После оценки параметров осуществляется проверка гипотезы о распределении по критерию Пирсона. Экспериментально установлено, что модель бета-распределения в большинстве случаев применима к оценке распределений значений признаков. Сделан вывод о необходимости такой проверки для каждой обучающей выборки. В работе также предлагается по результатам оценки степени пересечений оцененных распределений классов оценивать эффективность признака. Рассматривается взаимная корреляция выбранных признаков. Вводится способ оценки информативности признаков, основанный на минимуме средней вероятности ошибки для одного признака и взаимной некоррелированности для системы признаков. На основе алгоритма оценки информативности строится система признаков для каждой пары классов. Формулируется алгоритм классификации, который использует полученные системы признаков и принимает решение на основе оценки плотности моделью бета-распределения на этапе бинарной задачи. Кроме того, cформулированный алгоритм объединяет результаты частных бинарных решений и принимает окончательное решение в задаче классификации.

Ключевые слова: текстурные изображения, бета-распределение, информативность признаков, бинарный классификатор.

Полный текст: PDF файл (236 kB)
Список литературы: PDF файл   HTML файл
Тип публикации: Статья
УДК: 519.233+528.854
MSC: 62F03, 68T45
Поступила в редакцию: 19.06.2014

Образец цитирования: В. Н. Милич, В. А. Сметанин, “Использование бета-распределения в задачах анализа информативности признаков и повышения эффективности решающего правила при распознавании текстурных изображений”, Вестн. Удмуртск. ун-та. Матем. Мех. Компьют. науки, 2014, № 3, 134–141

Цитирование в формате AMSBIB
\RBibitem{MilSme14}
\by В.~Н.~Милич, В.~А.~Сметанин
\paper Использование бета-распределения в~задачах анализа информативности признаков и повышения эффективности решающего правила при распознавании текстурных изображений
\jour Вестн. Удмуртск. ун-та. Матем. Мех. Компьют. науки
\yr 2014
\issue 3
\pages 134--141
\mathnet{http://mi.mathnet.ru/vuu446}


Образцы ссылок на эту страницу:
  • http://mi.mathnet.ru/vuu446
  • http://mi.mathnet.ru/rus/vuu/y2014/i3/p134

    ОТПРАВИТЬ: VKontakte.ru FaceBook Twitter Mail.ru Livejournal Memori.ru


    Citing articles on Google Scholar: Russian citations, English citations
    Related articles on Google Scholar: Russian articles, English articles
  • Вестник Удмуртского университета. Математика. Механика. Компьютерные науки
    Просмотров:
    Эта страница:158
    Полный текст:89
    Литература:16
     
    Обратная связь:
     Пользовательское соглашение  Регистрация  Логотипы © Математический институт им. В. А. Стеклова РАН, 2020