Классификация объектов нечисловой природы на основе непараметрических оценок плотности
для любого Функция называется производной Родона-Никодима меры
по мере
, а в случае, когда
- вероятностная мера, также плотностью вероятности
по отношению к
. " [5]
Будем считать, что в пространстве объектов нечисловой природы фиксирована некоторая мера , а мера
соответствует распределению Р случайного элемента
со знаниями в измеримом пространстве
, т. е.
Если - пространство из конечного числа точек, то в качестве меры
можно использовать считающую меру (приписывающую единичный вес каждой точке), т. е.
, или
В случае считающей меры значение плотности в точке совпадает с вероятностью попасть в точку
, т. е.
Многие методы классификации используют расстояния или меры близости между объектами или признаками. Такие методы пригодны и для классификации объектов нечисловой природы, лишь бы в соответствующем пространстве было определено расстояние или мера близости. Таким образом, широко известные иерархические агломеративные алгоритмы ближайшего соседа, дальнего соседа, средней связи и др., результатом работы которых являются дендрограммы, на самом деле относятся к статистике объектов нечисловой природы.
Не пытаясь рассмотреть все многообразие методов классификации в статистике объектов нечисловой природы (см., например, [6, 7]), сосредоточимся на тех из них, которые используют плотности распределения и их оценки. Зная плотности распределения классов, можно решать основные задачи классификации - как задачи выделения кластеров, так и задачи диагностики. В задачах кластер-анализа можно находить моды плотности и принимать их за центры кластеров или за начальные точки итерационных методов типа динамических сгущений. В задачах диагностики (дискриминации, распознавания образов с учителя) можно принимать решения о классификации объектов на основе отношения плотностей, соответствующих классам. При неизвестных плотностях представляется естественным использовать их состоятельные оценки. Корректность такой постановки, как правило, нетрудно обосновать, например, в стиле [8]. Таким образом, для переноса на пространства произвольной природы основных методов классификации рассматриваемого типа достаточно уметь оценивать плотность распределения вероятности в таких пространствах.
Дополнительно
Исследование способов повышения эффективности работы гусеничного движителя
Магистерская диссертация выполнена на 78
страницах машинописного текста и включает 12 рисунков, 2 таблицы и список
литературы из 27 наименований.
Ключевые слова: эффективность, принцип
работы, гусеничный движитель, ведущая звездочка, навесоспособность, плавность
хода, почвосбережение, внутренне ...
Шероховатость поверхности и её изображение на чертежах
КОНСТРУКЦИЯ
(объект производства)
ТЕХНОЛОГИЯ
(производственные
процессы)
↔
↔
↔
↑ ↑ ↑ ↑
↑ ↑ ↑
...