Детерминированные системы

Классификация систем распознавания.

Задача №6.

Разработка такого рабочего алфавита классов и такого рабочего словаря признаков, которые обеспечили бы максимальное значение показателя эффективности распознавания.

В качестве показателей эффективности системы могут рассматриваться вероятность правильных решений, вероятность ошибочных классификаций, среднее время решения задачи распознавания, величина расходов, связанных с получением информации, и т.д.

Любая классификация основывается на определённых классификационных принципах. Для классификации СР рационально рассматривать в качестве классификационных следующие принципы:

1.Однородность информации для описания распознаваемых объектов или явлений.

По этому принципу системы распознавания можно подразделить на простые и сложные, в зависимости от того, физически однородная или физически неоднородная информация используется для описания распознаваемых объектов, имеют ли признаки, на языке которых произведено описание алфавита классов, единую или различную физическую природу.

Простые СР характеризуются единой физической природой признаков. К ним относят, например:

a. читающие автоматические распознающие устройства, в которых признаки рабочего словаря представляют собой лишь те или иные линейные размеры распознаваемых объектов;

b. автоматы для размена монет, где в качестве признака, используемого при распознавании монет, берётся их вес;

c. автоматические устройства, предназначенные для отбраковки деталий, в которых в качестве признаков, применяемых для описания классов бракованных и небракованных деталий, используются либо некоторые линейные размеры, либо вес и т. д.

Ясно, что для простых систем распознавания не обязательно иметь компьютер. Достаточно их реализовать в виде механических или электромеханических устройств. Хотя компьютерные реализации в принципе не противопоказаны, если наряду с этой в системе решаются и другие более достойные задачи.

Сложные СР характеризуются физической неоднородностью признаков. К ним относят, например:

a. системы медицинской диагностики, в которых в качестве признаков (симптомов) могут использоваться данные анализа крови и кардиограмма, температура и динамика кровяного давления и т.п.

b. системы, предназначенные для распознавания образов геологической разведки, в которых в качестве признаков берутся различные физические и химические свойства;

a. системы, предназначенные для распознавания образов военной техники вероятного противника и т.д.

2.Способ получения апостериорной информации.

По этому принципу сложные системы можно подразделить на одноуровневые и многоуровневые.

В одноуровневых сложных системах апостериорная информация о признаках распознаваемых объектов x1,...,xn определяется прямыми измерениями непосредственно на основе обработки результатов эксперементов (рис 1.1, где АИ – априорная информация; АК – алгоритм классификации; САУ – система автоматического управления распознаванием; T₁,...,T_p,...,T_n – данные технических средств).

В многоуровневых сложных системах апостериорная информация о признаках определяется на основе косвенных измерений. Для таких измерений используются специализированные локальные системы.

В одноуровневых системах по данным технических средств T₁,...,T_p,...,T_n на основе обработки полученных реализаций непосредственно находят признаки X₁¹,..., X₁^k, X_p¹,..., X_p^l, X_n¹,..., X_n^m неизвестных объектов или явлений, которые используются для их распознавания.

Рис. 1.1.

В многоуровневых системах по данным технических средств T1,...,Tp,...,Tn определяют первичные признаки X₁¹,..., X₁^k, X_p¹,..., X_p^l, X_n¹,..., X_n^m которык подразделяют на группы.

Группа 1. К ней относят признаки первого уровня, используемые в локальных распознающих устройствах первого уровня для определения признаков второго уровня. На рисунке такими признаками являются X₁², X_p¹, X_p², X_n^l, X_n², X_n^m. На основе этих признаков распознающие устройства первого уровня A, B, C определяют признаки второго уровня X₂^A, X₂^B, X₂^C.

Группа 2. К ней относят признаки непосредственно используемые в распознающих устройствах второго уровня для определения признаков третьего уровня. На рисунке таким признаком является X₁^k, используемый на ряду с признаками второго уровня X₂^A и X₂^B в распозноящем устройстве второго уровня D для определения признака третьего уровня X₃^D.

Группа 3. К ней относят признаки, используемые в распознающих устройствах третьего уровня для определения признаков четвёртого уровня и т.д.

К последней группе относят признаки, непосредственно используемые в процессе распознавания неизвестных объектов, т. е. Признаки, входящие в рабочий словарь признаков системы распознавания. На рисунке такими признаками являются X₁¹ и X_p^l.

Рис 1.2.

Таким образом в одноуровневых СР информация о признаках распознаваемого объекта (апостериорная информация) формируется путём прямых измерений непосредственно на основе обработки данных эксперемента. В многоуровневых СР информация о признаках формируется на основе косвенных измерений как результат функционирования вспомогательных распознающих устройств (пример: измерение дальности радиолокатором по времени задержки излученного импульса).

3.Количество первоначальной априорной информации.

Здесь вопрос касается того, достаточно или недостаточно априорной информации для определения априорного алфавита классов, построения априорного словаря признаков и описания каждого класса на языке этих признаков в результате непосредственной обработки исходных данных.

Соответственно этому СР делятся на системы без обучения, обучающиеся (ОСР) и самообучающиеся системы (ССР).

Системы без обучения.. В этих системах первоначальной априорной информации достаточно для того, чтобы в соответствии с избранным признаком классификации разделить всё множество объектов w₁, w₂,..., w_l на классы W1,..., Wm, определить словарь признаков X1,...,Xn и на основе непосредственной обработки исходных данных описать каждый класс объектов на языке этих признаков. Для построения таких систем необходимо располагать полной первоначальной априорной информацией. Предыдущие, рассмотренные нами схемы СР фактически изображали такие системы. На рисунке 1.2. представлена структурная схема без обучения (где ТС – технические средства;

АИ – априорная информация; АК – алгоритм классификации).

Рис 1.3. Рис 1.4.

Обучающиеся системы. В этих системах первоначальной априорной информации достаточно для того, чтобы в соответствии с избранным классификационным признаком разделить всё множество объектов на классы W1,..., Wm и определить словарь признаков X1,...,Xn, но недостаточно для описания классов на языке признаков. Исходная информация, необходимая для построения обучающихся систем распознавания, позволяет выделить конкретные объекты, принадлежащие различным классам, и может быть представлена в следующем виде:

(w₁, w₂,..., w_r) Î W₁;

………………………………

(w_r+1, w_r+2,..., w_q) Î W₂;

………………………………

(w_g+1, w_g+2,..., w_l) Î W_m.

Цель обучения - определение разделяющих функций

F_i(X₁,X₂,.....,X_n), где i = 1,2,....,m (номер класса),

Путём многократного предъявления СР различных объектов с указанием классов, к которым эти объекты принадлежат.

СР с обучением на стадии формирования «работают с учителем». Эта работа заключается в том, что «учитель» многократно предъявляет системе обучающие объекты всех выделенных классов и указывает, к каким классам они принадлежат. Затем «учитель» начинает «экзаменовать» СР, корректируя её ответы до тех пор, пока количество ошибок в среднем не достигнет желаемого уровня. На рисунке 1.3. представлена структурная схема без обучения (где ОО – обучающие объекты; ТС – техниеские средства; АИ – априорная информация; АК – алгоритм классификации, штриховые линии – режим обучения, сплошные линии – «экзамен).

Самообучающиеся системы. Для самообучающихся систем характерна недостаточность информации для формирования не только описаний классов, но даже алфавита классов. То есть, определен только словарь признаков распознавания. На стадии формирования системы ей предъявляют исходную совокупность объектов заданных значениями своих признаков. Однако из-за ограниченного объёма первоначальной информации система при этом не получает указаний о том, к какому классу принадлежат объекты исходной сосокупности. Эти указания заменяются набором правил, в соответствии с которыми на стадии самообучения СР сама вырабатывает классификацию,

которая может отличаться от естественной, и в дальнейшем её придерживаться.

Рис. 1.4.

На рисунке 1.4. представлена структурная схема смообучающейся системы (где ОС – объекты для самообучиния; ТС – техниеские средства; АИ – априорная информация; АК – алгоритм классификации, штриховые линии – режим самообучения, сплошные линии – распознавание неизвестных объектов).

Примером самообучающейся системы может быть система разделения на классы промышленных предприятий для сравнительного анализа эффективности их функционирования. При этом в качестве правил классификации могут быть указания либо о равенстве объемов выпускаемой продукции, либо о равенстве численности рабочих и т.п.).

В другой широко применяемой терминологии ССР - это система автоматического кластерного анализа или таксономии (taxis - порядок, nomos - закон).

Термин «полная первоначальная априорная информация» характеризует не абсолютное, а относительное количество необходимой информации. Он указывает на то, что в системах без обучения при прочих равных условиях количество первоначальной информации больше, чем в системах рпспознавания других названных классов. В то же время для систем распознавания одинаковых классов абсолютное количество первоначальной информации может быть различным при необходимости распознавать объекты или явления различной естественной или социальной природы.

Не следует думать, что системы с обучением или самообучением обходятся без недостающей априорной информации. Они её получают в процессе обучения или самообучения. Более того, цель обучения или самообучения – выработать такое количество информации, которое необходимо для функционирования СР.

Создание ОСР и ССР обусловленно тем, что на практике достаточно часто встречаются ситуации, когда отсутствует полная первоначальная априорная информация.

Завершая рассмотрение классификации СР по количеству первоначальной априорной информации, заметим, что СР, в которых недостаточно информации для назначения словаря признаков, не существует. Без этого не создается никакая система.

4.Характер информации о признаках распознавания В зависимости от того, на языке каких признаков производится описание распознаваемых объектов, СР подразделяются на детерминированные, вероятностные, логические, структурные (лингвистические) и комбинированные.

Отметим характерные особенности этих систем, а именно: метод решения задачи распознавания и метод априорного описания классов.

а) Метод решения задачи распознавания: использование геометрических мер близости;

б) Метод априорного описания классов: координаты векторов-эталонов по каждому из классов или координаты всех объектов, принадлежащих классам (наборы эталонов по каждому классу).