Построение систем распознавания образов
Если же существует необходимость оптимизации, то возникает необходимость дополнения модели оценки эффективности субмодулем выбора оптимального набора признаков распознавания. . Его алгоритм очевиден:
_
То есть, g-ый вектор отбора (Vg) обеспечивает максимальную вероятность правильных системных решений в алфавите Ar.
Теперь матрица вероятностей соответсвует любым системным решениям для найденного оптимального набора признаков распознавания. В результате появляется возможность определить в данном алфавите класс g, объекты которого классифицируются в максимальной степени ошибочно.
Соответствующую вероятность находим как максимальную вероятность ошибки:

откуда номер упомянутого класса:
Если теперь задаться порогом вероятности P( g)зад, то появляется возможность при P( g/Ar) > P( g)зад принять решение о необходимости исключения из алфавита Ar класса с номером g , эффективность отнесения к которому ниже требуемой (заданной).
Отсюда все операции, связанные с определение такого класса (номера его через вероятность ошибочного отнесения), могут быть объединены в отдельном субмодулем- поиска класса, снижающего эффективность распознавания.
Наконец, та же матрица

позволяет выделить такой класс, отнесение к которому объектов найденного низкоэффективного класса наиболее целесообразно для повышения эффективности системных решений. Номер такого класса соответствует максимальной вероятности отнесения к нему указанного низкоэффективного класса. То есть:
Эти операции можно поручить отдельному субмодулю, выходом которого должны быть номера классов g и h , которые следует объединить в алфавите Ar, чтобы повысить эффективность СР в целом. Он может быть назван субмодулем определения номеров объединяемых классов.
В рассматриваемом составе (Рис.5.7.1.) модуль оценки эффективности удовлетворяет потребностям как оценки качества СР, так и потребностям управления оптимизацией СР в условиях ограничений средств на создание измерителей.
Сами функции управления моделью СР необходимо объединить в отдельном модуле.
№ распознанного
класса

Субмодуль оценки № имитируемого
результата
распо- класса
знавания (от модели объекта)
![]()
Ar
i,j


Субмодуль
расчета _
от модуля матрицы решений Vk
управления
(от модуля
управления)
||
nij/V k ||
Субмодуль
расчета
и хранения
матриц
на модуль вероятностей ре-
управления шений
|| Pij (Ar /Vk ) ||

Субмодуль опреде-
ления оптимально-
на модуль го набора призна-
управления ков в алфавите Ar
gAr
Субмодуль поиска
неэффективно рас-
на модуль
познаваемого
управления
класса
и модуль P( g/Ar) и g/Ar

описания
классов Субмодуль решения Субмодуль опреде-
об исключении
g-го
ления расширяемо-
класса го класса (h )
Рис.5.7.1. Модуль оценки эффективности
5.7.3. Модуль управления моделью системы распознавания
Из рассмотрения общих принципов моделирования сложных систем, а также состава и особенностей построения модели СР следует, что в общих чертах динамика моделирования системы распознавания представляет собой
-многократно повторяющийся ( с каждым пуском программы модели) процесс выбора распознаваемого объекта;
-многократно повторяющийся процесс имитации работы измерителей параметров по каждому моделируемому объекту и штатной обработки полученной информации с целью получения признаков распознавания;
-многократно повторяющийся ( для каждого выбранного объекта распознавания) процесс штатного принятия решения о принадлежности предъявленного объекта;
-статистическую обработку принятых решений в каждом из пусков программы модели как источник определения показателя качества СР в целом.
Первая из приведенных функций, задающая весь процесс функционирования программы модели в каждом пуске, реализуется в виде:
-первоначального пуска программы модели испытателем с исходными требованиями, введенными им предварительно;
-автоматического повторения заданного числа циклов пуска программы для реализации повторений процесса распознавания в соответствии с методологией статистических испытаний;
-своевременной выдачи необходимых исходных данных для ввода в отдельные субмодули модели для организации их работы по заранее введенным и хранимым данным или по результатам выполненной работы другими субмодулями.
Все остальные функции, характеризующие динамику модели СР в целом, должны выполняться автоматически в рассмотренной последовательности. То есть, первая функция объединяет фактически все задачи управления моделью. Выполнение ее логично возложить на отдельный модуль - модуль управления. .
Общее рассмотрение реализации модуля управления позволяет обратить внимание на задачу связи испытателя с моделью системы. При этом рассматривая алгоритмическое содержание уже описанных модулей, входящих в состав модели, можно заключить, что модуль управления должен иметь интерфейс, позволяющий вводить для организации моделирования такие исходные данные, как
-количество статистичесих испытаний (пусков) на модели системы;
-исходный априорный алфавит классов;
-априорные вероятности предполагаемых классов;
-допустимое значение вероятности ошибочной классификации.
Кроме того, тот же интерфейс должен обеспечить представление испытателю по его требованию индикации:
-реализаций измеренных характеристик (признаков) моделируемых объектов;
-поэтапных значений (для каждого алфавита классов и набора признаков распознавания) показателя эффективности системы;
-состава алфавита классов и параметров их описания;
-текущего состояния отбора признаков в рабочий словарь.
Теперь можно детализовать отдельные детали управления. Так модуль управления должен обеспечивать
-автоматическое повторение решений полного объема задач испытаний на модели со сменой вектора отбора признаков распознавания (если заданы ограничения на средства создания и использования средств измерений);
-автоматический переход к анализу эффективности всех вариантов рабочего словаря после завершения испытаний со всеми возможными векторами отбора;
-автоматический переход к выполнению корректировки алфавита классов после выполненного анализа ошибок классификациии;
-автоматическое повторение циклов полного объема испытаний после корректировки алфавита классов.
А отсюда логически вытекает, что задание (генерация) векторов отбора, удовлетворяющих заданным ограничениям, вполне соответствует функциям управления. То есть, эта задача должна решаться модулем управления, который обязан иметь соответствующие исходные данные по ограничениям выделенных средств и затратам на создание или применение отдельных измерителей.
Перечисленные функции должны быть алгоритмически дополнены функцией обучения системы на информации об объектах, имитируемой соответствующим модулем модели. Работа в указанном режиме может осуществляться как при первом пуске модели для первоначального описания классов, так и при любой смене алфавита классов и словаря признаков.
Обобщенная структурная схема модуля управления приведена на рис 5.7.2, а общая структурная схема модели СР без детализации рассмотренных модулей и субмодулей - на рис.5.7.3.

От модуля
обработки Субмодуль вывода Субмодуль ввода P(Wi)
![]()
характеристик
исходных
данных Ar
![]()
измерений
объекта распозна-
и управления
ото- P(g)з
![]()
вания
бражением
![]()

От модуля
Субмодуль
отобра- Субмодуль
генера- _
жения
процесса
ции допустимых