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.
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.
Рассмотрен подход к контролю процесса аддитивной печати с помощью сверточных нейронных сетей. Исследовано влияние набора данных и архитектуры на качество нейронной сети.
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.