Штучний інтелект

Анотація: Пропонується підхід обчислення верхніх оцінок імовірності розпізнавання, що дає можливість використовувати їх для більш широкого класу моделей. Оцінки стосуються визначення стійкості покриття об’єктів класифікуючими алгоритмами на основі розподілу відстаней між об’єктами.

Ключові слова:

Посилання:

1. Vorontsov K.V. Combinatorial probability and the tightness of generalization bounds / K.V. Vorontsov //Pattern Recognition and Image Analysis. – 2008. – Vol. 18. – № 2. – P. 243-259.
2. Kapustii B.E. Classifier optimization in small sample size condition / B.E. Kapustii, B.P. Rusyn, andV.A. Tayanov // Automatic Control and Computer Sciences. – 2006, 40 (5). – Р. 17-22.
3. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации /Ю.И. Журавлев // Проблемы кибернетики. – 1978. – Т. 33. – С. 5-68.
4. Капустій Б.О. Комбінаторна оцінка впливу зменшення інформаційного покриття класів на узагальнюючу властивість 1NN алгоритмів класифікації / Б.О. Капустій, Б.П. Русин, В.А. Таянов // Искусственный интеллект. – 2008. – № 1. – С. 49-54.
5. Weisstein E.W. Chebyshev Inequality, From MathWorld [Електронний ресурс] / E.W. Weisstein // A WolframWeb Resource. – Режим доступу : http://mathworld.wolfram.com / ChebyshevInequality.html, 10.12.2008.
6. Weisstein E.W. Gauss’s Inequality, From MathWorld [Електронний ресурс] / E.W. Weisstein // A WolframWeb Resource. – Режим доступу : http://mathworld.wolfram.com/GausssInequality.html, 10.12.2008.
7. Капустій Б.О. Новый подход к определению вероятности правильного распознавания объектов множеств / Б.О. Капустій, Б.П. Русин, В.А. Таянов // УСиМ. – 2005. – № 2. – С. 8-13.
8. Ту Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес– М. : Мир, 1978. – 416 с.