На бирже курсовых и дипломных проектов можно найти образцы готовых работ или получить помощь в написании уникальных курсовых работ, дипломов, лабораторных работ, контрольных работ, диссертаций, рефератов. Так же вы мажете самостоятельно повысить уникальность своей работы для прохождения проверки на плагиат всего за несколько минут.

ЛИЧНЫЙ КАБИНЕТ 

 

Здравствуйте гость!

 

Логин:

Пароль:

 

Запомнить

 

 

Забыли пароль? Регистрация

Повышение уникальности

Предлагаем нашим посетителям воспользоваться бесплатным программным обеспечением «StudentHelp», которое позволит вам всего за несколько минут, выполнить повышение уникальности любого файла в формате MS Word. После такого повышения уникальности, ваша работа легко пройдете проверку в системах антиплагиат вуз, antiplagiat.ru, etxt.ru или advego.ru. Программа «StudentHelp» работает по уникальной технологии и при повышении уникальности не вставляет в текст скрытых символов, и даже если препод скопирует текст в блокнот – не увидит ни каких отличий от текста в Word файле.

Результат поиска


Наименование:


Реферат Парето-оптимальные решения многокритериальных задач

Информация:

Тип работы: Реферат. Добавлен: 13.08.2012. Страниц: 17. Уникальность по antiplagiat.ru: < 30%

Описание (план):


СОДЕРЖАНИЕ

Введение…………………………………………………………………………….3
1. Исходные данные и ограничения……………………………………………….5
2. Принципы решения многокритериальной задачи распознавания
случайных сигналов……………………………………………………………..8
3. Основы распознавания сигналов при наличии класса неизвестных
сигналов…………………………………………………………………………11
4. Правила распознавания при разных вероятностных моделях сигналов……13
Заключение………………………………………………………………………..15
Литература………………………………………………………………………...17


ВВЕДЕНИЕ

Как показывает анализ литературы по теме данного реферата , проблема распознавания образов возникает во многих прикладных областях и в общем виде формируется в терминах отображения поступающей информации на множество заданных решений. В ряде случаев информация о распознаваемых образах поступает с выхода некоторых физических датчиков исходного описания в виде реализаций случайных сигналов. В условиях, когда между распознаваемыми образами и представляющими их случайными сигналами может быть установлено взаимнооднозначное соответствие, правомочно ставить эквивалентную задачу распознавания случайных сигналов. Задачи распознавания образов по представляющим их случайным сигналам относятся к научному направлению, которое лежит на стыке статистической теории распознавания образов и теории обработки сигналов. При этом в процессе разработки методов распознавания и синтеза структуры соответствующих устройств распознавания важным и определяющим этапом является выбор адекватной математической модели случайных сигналов, приемлемой с точки зрения качества распознавания и реализационных затрат. Для описания случайных сигналов могут быть использованы разные вероятностные модели сигналов, каждая из которых определяет свои особенности построения (способы выбора информативных признаков и построения решающих правил), а также показатели качества соответствующих устройств распознавания сигналов .
Структура и характеристики синтезируемых устройств распознавания сигналов также существенно зависит от выбранного критерия оптимальности. Учет при синтезе нескольких показателей качества устройств распознавания, приводит к необходимости применения методов многокритериальной (векторной) оптимизации .
Когда не представляется возможность объединить показатели качества в скалярный критерий оптимальности и применяется ординалистический подход к описанию бинарных отношений предпочтения на множестве допустимых решений, результатом многокритериальной оптимизации является подмножество парето-оптимальных вариантов устройств распознавания сигналов.
Как правило, распознавание образов обычно производится при неполных априорных сведениях о распознаваемых сигналах или, как часто говорят, в условиях априорной определенности, которая преодолевается с использованием обучающих выборок сигналов. В ряде прикладных задач на распознавание могут предъявляться сигналы, которые не относятся к M классам, соответствующим заданным образам, и должны быть отнесены к классу неизвестных сигналов, не представленных обучающими выборками . Это нетрадиционная постановка задачи распознавания образов и для ее решения должны быть использованы специальные алгоритмы распознавания.
Поскольку характеризуемая область достаточно многогранна и ее комплексное описание в формате одного реферата не представляется возможным, целью нашей работы является характеристика особенностей получения решений многокритериальных задач распознавания случайных сигналов при наличии класса неизвестных сигналов, с учетом описания сигналов разными вероятностными моделями и при оптимизации решения по совокупности показателей качества распознавания сигналов и реализационных затрат.


1. Исходные данные и ограничения

Сформулируем совокупность исходных данных и ограничений для задачи распознавания случайных сигналов. Предположим, что распознаванию подлежат случайные сигналы X(t), наблюдаемые на интервале времени (0, T). Полагается, что сигналы представляются некоторыми конечномерными векторами отсчетов некоторых статистик сигналов ?, по которым будут приниматься решения о принадлежности соответствующих образов. Вид этой статистики зависит от вероятностной модели, выбранной для описания сигналов.
Введем M+ 1 гипотезы, которые могут быть сделаны в отношении наблюдаемых сигналов: Hi, i = 1, M – для заданных в статистическом смысле сигналов; HM+ 1 – для неизвестных сигналов, объединенных в M+ 1-й класс. Предположим, что гауссовы плотности распределения вероятностей M сигналов W (? Hi /?i), i = 1, M заданы с точностью до неизвестных векторных параметров ?i. Имеется классифицированная обу...
**************************************************************


Перейти к полному тексту работы


Скачать работу с онлайн повышением уникальности до 90% по antiplagiat.ru, etxt.ru или advego.ru


Смотреть похожие работы


* Примечание. Уникальность работы указана на дату публикации, текущее значение может отличаться от указанного.