ПИТАННЯ ГНУЧКОСТІ ЛОГІЧНИХ ДЕРЕВ КЛАСИФІКАЦІЇ В ЗАДАЧАХ РОЗПІЗНАВАННЯ ОБРАЗІВ
Ключові слова:
задачі розпізнавання, логічні дерева класифікації, усунення помилок класифікації, схема розпізнавання, дискретний об‘єктАнотація
Актуальність теми дослідження. Сучасні тенденції розвитку теорії штучного інтелекту вимагають ефективних підходів та методів у задачах розпізнавання (класифікації) образів, але принциповою проблемою побудови логічних дерев класифікації є відсутність алгоритмів та методів, які б дозволили одноманітно описувати різні алгоритми розпізнавання у вигляді дерев класифікації. Робота присвячена проблемі логічних дерев класифікації. Запропоновано ефективний механізм донавчання та усунення помилок класифікації у структурі логічного дерева.
Постановка проблеми. Нині відомі різні методи та алгоритми побудови логічних дерев класифікації, проте всі вони здебільшого зводяться до побудови одного дерева класифікації за даними початкової навчальної вибірки, а в літературі дуже мало алгоритмів побудови логічних дерев для вибірок великого об’єму. Зрозуміло, що це має під собою об‘єктивні фактори, які пов‘язані з особливостями генерації таких складних структур, методиками роботи з ними та зберігання. Ця робота має намір хоча б частково подолати ці обмеження та присвячена розробці ефективного механізму донавчання та усунення помилок класифікації у структурі логічного дерева.
Аналіз останніх досліджень і публікацій. Були розглянуті останні публікації у відкритому доступі, які присвячені проблемі методів та алгоритмів логічних дерев класифікації в задачах розпізнавання образів.
Виділення недосліджених частин загальної проблеми. Можливість ефективної та економної роботи запропонованого методу зміни структури логічного дерева з масивами навчальних вибірок великого об’єму.
Постановка завдання. Розробка простого та якісного методу роботи з великими масивами початкових вибірок шляхом синтезу мінімальних форм дерев класифікації та розпізнавання, які забезпечують ефективну апроксимацію навчальної інформації.
Виклад основного матеріалу. Виявлення механізму, за допомогою якого можна було б будувати логічне дерево класифікації за неповною початковою інформацією (і за кількістю об‘єктів, і за кількістю ознак). Таке логічне дерево буде безпомилково розпізнавати частину навчальної вибірки, за якою побудоване дерево, а на інших наборах давати помилки (уникнення такої ситуації пропонується за рахунок застосування схеми алгоритму усунення помилок у структурі дерева).
Висновки відповідно до статті. Запропонований метод донавчання та усунення помилок у структурі логічного дерева класифікації дає змогу працювати з навчальними вибірками великого об’єму та забезпечує високу швидкість та економність апаратних ресурсів у процесі генерації кінцевої схеми класифікації.
Посилання
Srikant R., Agrawal R. Mining generalized association rules. Future Generation Computer Systems. 1997. Vol. 13, № 2. P. 161–180.
Василенко Ю. А., Василенко Е. Ю., Повхан І. Ф., Ващук Ф. Г. Концептуальна основа систем розпізнавання образів на основі метода розгалуженого вибору ознак. Науково технічний журнал «Східно-Європейський журнал передових технологій». 2004. Т. 1., № 7. С. 13–15.
Василенко Ю. А., Повхан І. Ф., Ващук Ф. Г. Проблема оцінки складності логічних дерев розпізнавання та загальний метод їх оптимізації. Науково технічний журнал «Східно-Європейський журнал передових технологій». 2011. Т. 6, № 4(54). С. 24–28.
Василенко Ю.А., Повхан І.Ф., Ващук Ф.Г. Загальна оцінка мінімізації деревоподібних логічних структур. Науково технічний журнал «Східно-Європейський журнал передових технологій». 2012, Т. 1, № 4(55). С. 29–33.
Povhan I. General scheme for constructing the most complex logical tree of classification in pattern recognition discrete objects. Електроніка та інформаційні технології. 2019. Вип. 11. С. 112–117.
Василенко Ю. А., Василенко Е. Ю., Повхан І. Ф., Ковач М. Й., Нікарович О. Д. Мінімізація логічних деревоподібних структур в задачах розпізнавання образів. Науково технічний журнал «Східно-Європейський журнал передових технологій». 2004. Т. 3, №. 9. С. 12–16.
Лавер В. О., Повхан І. Ф. Алгоритми побудови логічних дерев класифікації в задачах розпізнавання образів. Вчені записки Таврійського національного університету. Серія: технічні науки. 2019. Т. 30(69), № 4. С.100–106.
Vtogoff P. E. Incremental Induction of Decision Trees. Machine Learning. 2009. № 4. P. 161–186.
Повхан І. Ф. Проблема функціональної оцінки навчальної вибірки в задачах розпізнавання дискретних об’єктів. Вчені записки Таврійського національного університету. Серія: технічні науки. 2018. Т. 29(68), № 6. С. 217–222.
Whitley D. An overview of evolutionary algorithms: practical issues and common pitfalls. Information and Software Technology. 2001. Vol. 43, №14. P. 817–831.
##submission.downloads##
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 Чернігівський національний технологічний університет, 2015
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial 4.0 International License.
