Архив статей журнала
Предлагается алгоритмизация методики формирования наборов независимых компонент многомерной случайной величины. Методика основывается на проверке гипотез о независимости парных сочетаний компонент многомерной случайной величины с использованием двухмерного непараметрического алгоритма распознавания образов, соответствующего критерию максимального правдоподобия. Классы соответствуют областям определения плотностей вероятностей в условиях независимых и зависимых случайных величин. Для восстановления плотностей вероятностей используются их непараметрические оценки типа Розенблатта - Парзена. В отличие от традиционной методики, основанной на применении критерия Пирсона, предлагаемый подход позволяет обойти проблему декомпозиции области значений случайных величин на многомерные интервалы. Полученная информация позволяет построить информационный граф, вершины которого соответствуют компонентам многомерной случайной величины. Между двумя вершинами графа существует ребро, если соответствующие им компоненты случайной величины являются независимыми. Тогда вершины полного подграфа соответствуют группе независимых компонент случайной величины. На этой основе разработан алгоритм обнаружения наборов взаимно независимых случайных величин.
Предлагается методика быстрого выбора коэффициентов размытости ядерных функций многомерной регрессионной оценки плотности вероятности независимых случайных величин. Регрессионная оценка плотности вероятности используется при решении задач распознавания образов и автоматической классификации в условиях исходных статистических данных большого объема. Ее синтез основан на сжатии исходной информации с использованием процедур дискретизации области значений случайных величин и формировании массива преобразованных данных. Элементами полученного массива данных являются центры интервалов дискретизации и соответствующие им частоты попадания случайных величин из исходной выборки. Для быстрого выбора коэффициентов размытости ядерных функций используются результаты исследования асимптотических свойств многомерной регрессионной оценки плотности вероятности. Предложена методика оценивания составляющих оптимального коэффициента размытости. Методом вычислительного эксперимента анализируется эффективность предлагаемого подхода быстрого выбора коэффициентов размытости регрессионной оценки плотности вероятности для семейства логнормальных законов распределения двухмерных независимых случайных величин при различных объемах исходных данных и перспективных процедур дискретизации области значений независимых случайных величин.
Предложена методика декомпозиции области значений двухмерных спектральных признаков данных дистанционного зондирования пожара лесной территории по значениям составляющих их коэффициентов корреляции. Основу методики составляет анализ произведения нормированных значений спектральных признаков и его непараметрической оценки плотности вероятности. Особенность используемого показателя и вводимые пользователем пороги на его значения позволяют осуществить декомпозицию исходных статистических данных и картирование получаемых результатов. В отличие от методов автоматической классификации предлагаемый подход обладает более высокой вычислительной эффективностью, что необходимо при обработке больших объемов статистических данных. Рассматриваются результаты применения методики при обработке данных дистанционного зондирования на территорию лесного пожара.
Предложена методика декомпозиции области значений многомерных статистических данных, которая учитывает зависимости между компонентами случайной величины и их количественные значения. Синтез структуры системы декомпозиции исходной выборки наблюдений многомерной случайной величины основан на анализе суммы коэффициентов корреляций неповторяющихся парных сочетаний её компонент и использовании модификации алгоритма автоматической классификации «Форель». Показана возможность обоснованного выбора параметра алгоритма классификации. Предложена система декомпозиции значений многомерной случайной величины является актуальной при анализе данных дистанционного зондирования.