Розробка алгоритму екзамену СПР за методом функціонально-статистичних випробувань

Предмет:

Тип роботи:

Звіт з практики

К-сть сторінок:

Мова:

Українська

Оцінка:

розбиття потужності M, оператор побудови розбиття η задає відображення η: X . Перевірка гіпотези про належність реалізацій образу здійснюється оператором класифікації , де  множина допустимих гіпотез (рішень). Зворотний зв’язок у діаграмі не містить контурів оптимізації параметрів функціонування СПР, а призначення оператора UE є регламентація екзамену. Оператор P відображення реалізацій вибіркової множини X, що розпізнається на побудові етапу навчання розбиттям . Оператор класифікації утворює композицію 1 F, де F – терм-множина значень функції належності, і оператор дефазіфікації

2: F I ׀M+1׀, який вибирає гіпотезу за максимальним значенням функції належності. Структурна діаграма процесу екзамену за МФСВ має вигляд мал. 4. 1

мал. 4. 1

У діаграмі оператор Ф1 відображає універсам випробувань на вибіркову множину Х, яка утворює екзаменаційну матрицю ||xi (j) | i=1, N, j=1, n ||, аналогічну за структурою та параметрами формування навчальної матриці.

На мал. 5. 1 показано структурну схему алгоритму екзамену для нечіткого розбиття простору ознак розпізнавання, яке характерне для загального випадку.

5. Алгоритм екзамену за МФСВ

На мал. 5. 1 показано структурну схему алгоритму екзамену для нечіткого розбиття простору ознак розпізнавання, яке має місце у загальному випадку. Алгоритм має такі вхідні дані:  масив еталонних двійкових векторів: змінна числа класів розпізнавання;  цілий масив оптимальних радіусів контейнерів класів розпізнавання у кодовій відстані Хеммінга;  двійкова реалізація образу, що розпізнається.

Мал. 5. 1 – Структурна схема алгоритму екзамену:

Виходом алгоритму є повідомлення про належність реалізації, що розпізнається, деякому класу із сформованого на етапі навчання алфавіту класів . На мал. 5. 1 блок 5 обчислює, починаючи з базового класу, кодову відстань між поточним еталонним вектором і реалізацією ХР. Блок 6 для кожного класу обчислює значення функції належності , яка для гіперсферичного класифікатора має вигляд

Після виходу із циклу блок 8 визначає клас, до якого належить реалізація ХР за максимальним значенням функції належності (5. 1).

Опис алгоритму екзамену.

Алгоритми екзамену за МФСВ можуть мати різну структуру залежно від розподілу реалізацій образу, що розпізнаються. Обов’язковою умовою їх реалізації є забезпечення однакових структурованості і параметрів формування як для навчальної, так і для екзаменаційної матриць.

За наявності чіткого розбиття, яке було утворено на етапі навчання, алгоритм екзамену за МФСВ має такі вхідні дані:

M  кількість класів, які СПР навчена розпізнавати;

 масив еталонних двійкових векторів, які визначають центри відповідних оптимальних контейнерів класів розпізнавання, побудованих на етапі навчання;

{ }  масив оптимальних радіусів побудованих на етапі навчання відповідних контейнерів;

 масив двійкових векторів-реалізацій образу, що розпізнається;

 оптимальна СКД на ознаки розпізнавання, яку визначено на етапі навчання.

За умовчанням приймається рівень селекції m= 0, 5.

Розглянемо кроки реалізації алгоритму екзамену при застосуванні гіпотези чіткої компактності реалізацій образу:

1. Формування лічильника класів розпізнавання: .

2. Формування лічильника числа реалізацій, що розпізнаються: .

3. Порівняння: якщо , то виконується крок 4, інакше  крок 5.

4. Формування лічильника позитивних результатів порівняння.

5. Порівняння: якщо j ≤ n, то виконується крок 2, інакше – крок 6.

6. Порівняння: якщо k >j / 2, то виконується крок 8, інакше -крок 7.

7. Порівняння: якщо m ≤ M, то виконується крок 1, інакше – крок 8.

8. Визначення класу , до якого належить екзаменаційна матриця. Якщо в процесі екзамену порівняння на кроці 6 не дало позитивного результату, то може бути запущено алгоритм ФКА, з метою донавчання СПР, або алгоритм прогностичної класифікації, з метою підтвердження необхідності перенавчання СПР.

Для нечіткого розбиття алгоритм екзамену за МФСВ ґрунтується на аналізі значень функції належності, що обчислюється для кожної реалізації, що розпізнається. Розглянемо кроки реалізації алгоритму екзамену при нечіткому розбитті:

1. Формування лічильника класів розпізнавання.

2. Формування лічильника числа реалізацій, що розпізнаються: .

3. Обчислення кодової відстані .

4. Обчислення функції належності за виразом:

5. Порівняння: якщо j ≤ n, то виконується крок 2, інакще – крок 6.

6. Порівняння: якщо m ≤ M, то виконується крок 1, інакще – крок 7.

7. Визначення класу , до якого належить екзаменаційна реалізація, наприклад, за умови , де  усереднене значення функцій належності для реалізацій класу , або видача повідомлення: «Клас не визначено», якщо ≤ с. Тут с  порогове значення.

Для програмної реалізації застосовувалося програмне середовище Turbo Pascal 7. 0.

Були використані наступні константи та змінні:

m = 2Кількість класів розпізнавання

n = 16Кількість ознак розпізнавання

nr = 30; Кількість реалізацій

Y, BM: array[1.. n, 1.. nr] of integer; Навчальна матриця та бінарна навчальна матриця

EV: array [1.. m, 1.. n] of integer; Масив еталонних векторів

VD, ND: array[1.. n] of integer; Система допусків на значення ознак розпізнавання

D: array[1.. m] of integer; Оптимальні радіуси контейнерів класів навчання

i, j, k: integer; Лічильники

FT: Text; Дескриптор файлу вхідних даних

Модуль Екзамену

Procedure LoadOPT; Процедура для завантаження оптимальних параметрів навчання

Function Mu; Обчислення функції приналежності

procedure k_pr; Визначення класу, до якого належить екзаменаційна реалізація

Екзаменаційна матриця:

Обчислення функції належності:

СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ

Краснопоясовський А. С. Інформаційний синтез інтелектуальних систем керування: Підхід, що ґрунтується на методі функціонально-статистичних випробувань. – Суми: Видавництво СумДу, 2004. – 261с.
Краснопоясовський А. С. Класифікаційний аналіз даних: Навчальний посібник.  Суми: Видавництво СумДУ, 2002.  159 с.