Статья

Название статьи КЛАССИФИКАЦИЯ РЕАЛИЗАЦИЙ МЕДИКО-БИОЛОГИЧЕСКИХ СИГНАЛОВ С ИСПОЛЬЗОВАНИЕМ МЕТОДА НЕЛИНЕЙНЫХ ПРЕОБРАЗОВАНИЙ
Автор Г.Г. Галустов, Е.Е. Завтур
Рубрика РАЗДЕЛ I. МЕТОДЫ И АЛГОРИТМЫ ОБРАБОТКИ СИГНАЛОВ
Месяц, год 11, 2014
Индекс УДК 681.518.54
DOI
Аннотация Рассматривается квазиэвристический подход, дающий вполне приемлемые с инженерной точки зрения решающие правила и реализуемый без особых технических усилий. Формализация задачи распознавания основывается на объективно существующей общности свойств объектов одного и того же класса, часто определяемой понятием «сходства». Использованная в работе гипотеза о компактности предполагает адекватность понятий «сходства» сигналов одного класса и их геометрической «близости», проявляющейся в объединении их в одно связанное подмножество в пространстве признаков. Рассмотрены вопросы укрупненного описания медико-биологических сигналов на основе нелинейного преобразования исходных множеств с целью формирования оптимального с позиций выдвинутого критерия решающего правила. Приведена методика определения оператора нелинейного преобразования, позволяющая построить оптимальную разделяющую поверхность в пространстве признаков, для чего не требуется априорного знания плотностей распределения признаков классифицируемых сигналов. Может показаться, что использование только первых и вторых моментов существенно снижает ценность рассмотренного решающего правила по сравнению, например, с байесовским, так как наиболее полная информация о сигналах заключена в их многомерных распределениях. Однако в большинстве практических задач распознавания эти распределения априори неизвестны и не могут быть получены с удовлетворительной точностью из-за ограниченности обучающей выборки. Поэтому для выделения полезной с точки зрения распознавания информации можно использовать только такие статистические характеристики, которые обладают достаточной устойчивостью при их оценке по реальной обучающей выборке.

Скачать в PDF

Ключевые слова Обучающая выборка; конечные статистики; сигналы; случайные процессы; оператор преобразования; плотность вероятности; критерий оптимальности; решающее правило; вероятность ошибки; достоверность оценки; нелинейное преобразование.
Библиографический список 1. Галустов Г.Г. Оценка погрешностей вычисления статистических характеристик, при использовании метода стохастического кодирования случайных процессов // Материалы
X Междунар. научно-практ. конф. «Научный прогресс на рубеже тысячелетий» (Прага, 22-30 мая 2014 г.). – Прага, 2014. – С. 80-86.
2. Галустов Г.Г., Бровченко С.П., Краснобаев Д.А., Поцыкайло А.А. Оценка точности преобразования код-вероятности при моделировании артефактных шумов // Телекоммуникации. – 2013. – № 3. – С. 5-12.
3. Галустов Г.Г., Бровченко С.П., Тарасенко А.В. Анализ влияния изменения динамического диапазона сигнала на реализацию решающего правила при решении задачи классификации // Известия ЮФУ. Технические науки. – 2013. – № 11 (148). – С. 32-37.
4. Галустов Г.Г., Краснобаев Д.А., Поцыкайло А.А. О построении статистических систем распознавания по кластеризованным выборкам // Материалы Всерос. науч. конф. «Современные исследовательские и образовательные технологии» (Таганрог, 30 октября 2010 г.). – Таганрог, 2010. – С. 45-50.
5. Галустов Г.Г., Поцыкайло A.A., Краснобаев Д.А. Синтез решающего правила классификатора сигналов при непараметрической априорной неопределённости // Известия
ЮФУ. Технические науки. – 2011. – № 1 (114). – С. 78-84.
6. Захаров С.М., Галустов Г.Г. Микропроцессорный модуль предварительной обработки медико-биологических сигналов // Вопросы радиоэлектроники. – 1988. – Вып. 2. – С. 187-197.
7. Галустов Г.Г. Классификатор случайных сигналов // Известия СКНЦ ВШ. Технические науки – 1984. − № 3. – С. 54-57.
8. Гладкий В.С. Вероятностные вычислительные модели. – М.: Наука, 1973. − 298 с.
9. Киселев Н.В., Сечкин В.А., Ставицкий А.И. Построение оптимальной разделяющей плоскости в задаче распознавания образов // Автоматизация производства. – 1974. – Вып. 1. – С. 72-77.
10. Горелик А.Л., Скрипкин В.А. Методы распознавания: учеб. пособие для вузов. – 4-е изд., испр. − М.: Высшая школа, 2004. − 261 с.
11. Ту Дж., Гонсалес Р. Принципы распознавания образов. – М.: Мир, 1978. – 411 с.
12. Фукунага К. Введение в статистическую теорию распознавания образов. – М.: Наука, 1979. – 367 с.
13. Галустов Г.Г. Моделирование случайных процессов и оценивание их статистических характеристик. – М.: Радио и связь, 1999. – 120 с.
14. Омельченко В.А. Распознавание сигналов по спектру в условиях априорной неопределенности. – Харьков: ХПИ, 1979. – 100 с.
15. Галустов Г.Г., Цымбал В.Г., Михалёв М.В. Принятие решений в условиях неопределённости. – М.: Радио и связь, 2001. – 196 с.

Comments are closed.