Отрывок: Теорема 1.4.2. Для любых случайных величин X1, X2, X3, X4 верно, что ρ(X1;X2) + ρ(X3;X4) ≥ ρ(X1, X3;X2, X4). (1.1) Доказательство. Перенесем правую часть неравенства (1.1) влево и сравним получившееся выражение с нулем 2(ρ(X1;X2) + ρ(X3;X4)− ρ(X1, X3;X2, X4) = = 2H(X1, X2)−H(X1)−H(X2) + 2H(X3, X4)−H(X3)−H(X4)− −2H(X1, X2, X3, X4) +H(X1, X3) +H(X2, X4) = = 2I(X1, X2;X3, X4)− I(X1;X3)− I(X2;X4). (1.2) Чтобы показать, что получившееся в результате преобразований выражение больш...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorБуздалова О. А.ru
dc.contributor.authorСевостьянова В. В.ru
dc.contributor.authorМинистерство науки и высшего образования Российской Федерацииru
dc.contributor.authorСамарский национальный исследовательский университет им. С. П. Королева (Самарский университет)ru
dc.contributor.authorЕстественнонаучный институтru
dc.coverage.spatialалгоритмы распознавания образовru
dc.coverage.spatialинформационная метрикаru
dc.coverage.spatialинформационная энтропияru
dc.coverage.spatialкластерный анализru
dc.coverage.spatialсистемы распознавания образов (СРО)ru
dc.creatorБуздалова О. А.ru
dc.date.accessioned2024-07-17 11:30:46-
dc.date.available2024-07-17 11:30:46-
dc.date.issued2024ru
dc.identifierRU\НТБ СГАУ\ВКР20240701104036ru
dc.identifier.citationБуздалова, О. А. Система распознавания образов : вып. квалификац. работа по специальности 01.05.01 "Фундаментальные математика и механика" (уровень специалитета), направленность (профиль) "Фундаментальная математика и приложения" / О. А. Буздалова ; рук. работы В. В. Севостьянова ; М-во науки и высш. образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Естественнонауч. ин-т, Мех.-мат. фак., Каф. - Самара, 2024. - 1 файл (412 Кб). - Текст : электронныйru
dc.identifier.urihttp://repo.ssau.ru/handle/Vypusknye-kvalifikacionnye-raboty/Sistema-raspoznavaniya-obrazov-110158-
dc.description.abstractОбъект исследования - алгоритм распознавания образов.Цель работы - описание и обоснование алгоритма распознавания образов, основанного на понятии энтропии.Методы исследования - методы алгебры, комбинаторики, теории информации, алгебраической теории информации и теории графов. В работе предлагается модификация базирующегося на понятии ноль информации по Хартли классического алгоритма распознавания образов, описанногов работе В.Д. Гоппы. Практическое применение классического алгоритма имеет ряд недостатков в случае, если прогноз следует выполнить для больших объемов данных, в частности, при увеличении объема начальных данных сложность вычислений растет экспоненциально. Описанный в работе метод распознавания образов в значительной мере улучшает быстроту работы алгоритма. Доказаны теоремы, обосновывающиевыбранный алгоритм кластеризации. Найдены и доказаны ряд свойств энтропийнойметрики.Разработана программа на языке Python, являющаяся алгоритмом кластеризации данных и распознавания образов. Работа программыru
dc.titleСистема распознавания образовru
dc.typeTextru
dc.subject.rugasnti28.23.15ru
dc.subject.udc004.93'1ru
dc.textpartТеорема 1.4.2. Для любых случайных величин X1, X2, X3, X4 верно, что ρ(X1;X2) + ρ(X3;X4) ≥ ρ(X1, X3;X2, X4). (1.1) Доказательство. Перенесем правую часть неравенства (1.1) влево и сравним получившееся выражение с нулем 2(ρ(X1;X2) + ρ(X3;X4)− ρ(X1, X3;X2, X4) = = 2H(X1, X2)−H(X1)−H(X2) + 2H(X3, X4)−H(X3)−H(X4)− −2H(X1, X2, X3, X4) +H(X1, X3) +H(X2, X4) = = 2I(X1, X2;X3, X4)− I(X1;X3)− I(X2;X4). (1.2) Чтобы показать, что получившееся в результате преобразований выражение больш...-
Располагается в коллекциях: Выпускные квалификационные работы

Файлы этого ресурса:
Файл Размер Формат  
Буздалова_Оксана_Александровна_Распознавание_образов.pdf411.9 kBAdobe PDFПросмотреть/Открыть  
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.