Метод статистической классификации

Методы, основанные на отнесении прогнозируемой РЭА к одному из классов, называются методами статистической классификации. В них используется аппарат кибернетической теории распознавания образов. [c.455]

Для присуждения изделию той или иной категории качества или оценки его единым индексом качества могут применяться методы машинной классификации на основе теории распознавания образов, экономические критерии (в том числе интегральный показатель качества), индексные показатели качества на основе статистического анализа степени удовлетворения продукции требуемым свойствам (потребностям) в сфере эксплуатации (потребления), экспертные оценки [12] и др. [c.421]

Аналогично при имитации смешанных стратегий, где в качестве случайных параметров рассматривается удельный вес каждого способа производства в общем объеме производства промышленной продукции, также можно получить бесконечное множество смешанных стратегий. Поэтому для группировки исходных сочетаний случайных величин, полученных методами статистического моделирования, на третьем этапе методики прогнозирования ВЭР используются алгоритмы машинного распознавания образов. Решением задач теории распознавания образов является такое правило распознавания (классификации), которое соответствует экстремуму целевой функции — показателю качества распознавания (обучения). При этом правильный выбор информативных признаков, в которых сосредоточена наиболее существенная для распознавания информация, является одной из важнейших и необходимых предпосылок успешного решения задачи распознавания в целом. В данном случае полученные путем машинной имитации совокупности случайных параметров естественно интерпретировать как точки в многомерном пространстве, инфор- [c.270]

Решение этих задач связано с применением математических методов статистического анализа. Этим методам и посвящен настоящий раздел, который включает в себя следующие основные вопросы понятие теории погрешностей классификацию и учет систематических погрешностей исключение грубых ошибок и промахов, возникающих в процессе измерения оценку точечных и интервальных значений измеряемого параметра, а также закона его распределения оценку параметра, связанного функционально с результатами ряда измерений экспериментальную оценку параметров данного уравнения. [c.388]

Для построения адекватных статистических моделей атмосферы наряду с традиционным обобщением данных многолетних аэрологических наблюдений требуются, как известно, довольно сложные преобразования первичной климатической информации, полученной для отдельных пунктов земного шара, такие, как расчет средних площадных статистических характеристик, составление различных классификаций климатов Земли, проведение климатического районирования, построение многочисленных климатических карт и т. п. Все это требует большого объема ручного труда специалистов-метеорологов и тщательного физического анализа полученных данных, поскольку они обладают значительной субъективностью. Поэтому в последние годы активно разрабатываются новые подходы к классификации и моделированию метеорологических полей, которые основаны на использовании объективных методов статистического анализа этих полей, учитывают изменчивость физических параметров по пространству и времени и реализуются на современных быстродействующих ЭВМ. [c.161]

Все это послужило поводом для разработки методов объективной классификации аэрологических полей применительно к задаче климатического районирования и построения для каждого из выявленных квазиоднородных районов региональной статистической модели. Такая модель должна учитывать естественную изменчивость исследуемых метеорологических величин по пространству и времени и быть достаточно адекватной (в смысле возможного описания ею всей совокупности взятых для данного района реализаций), хотя и допускать некоторую погрешность [c.189]

В случае применения КОП анализируется спектр-Фурье исследуемых структур, получаемый с помощью оптических процессоров, описанных выше. Перспективно применение гибридных методов контроля, при которых предварительная обработка изображений (выделение объектов с заданными признаками, проведение операций типа свертки, пространственной фильтрации и т п.) производится быстродействующими КОП, а процедуры последующей классификации структур осуществляются ЭВМ (подсчет коэффициента формы, вычисление числа одинаковых элементов в поле зрения, корреляционный анализ, вычисление статистических характеристик и т. д.). [c.114]

Методы решения задач статистической динамики нелинейных систем зависят существенно от сложности системы (например, от порядка дифференциального уравнения, описывающего ее движение), наличия в ней инерционных элементов и обратных связей. Нелинейные динамические системы можно разделить на четыре основных класса в соответствии с классификацией, приведенной в работе [85] (схема). [c.141]

Вид стандартов Метрология необходим для оснащения СТК типовыми методами и процессами контроля на базе статистического и неразрушающего контроля. Стандарты на классификацию и терминологию должны охватывать объекты, методы, процессы и операции технического контроля, а также номенклатуру контролируемых параметров. Стандарты методик измерения Государственной системы обеспечения единства измерений должны быть использованы при стандартизации методов и процессов технического контроля. [c.181]

Классификация статистических методов в зависимости от схемы сертификации [c.144]

Статистические явления так часто встречаются в оптике, что можно было бы без труда составить длинный список примеров. Из-за щирокого разнообразия таких задач трудно найти общую схему для их классификации. Здесь мы попытаемся установить некоторые общие аспекты оптики, которые требуют статистических методов исследования. Эти аспекты удобно обсудить в связи с проблемой формирования оптического изображения. [c.13]

V. Общим для экспериментально-статистических методов получения исходных данных, как это следует из названия, является проведение наблюдений и экспериментов непосредственно на производстве и широкое применение статистических методов как при планировании, так и при обработке результатов наблюдений, измерений и экспериментов. На рис. 2.5 приведена классификация указанных методов, из которой следует, что они делятся на две группы методы, применяемые для оценки потенциальных возможностей АСУ, и методы ускоренной оценки фактического эффекта от АСУ. [c.70]

В книгу введены новые разделы, касающиеся статистических методов оценки погрешностей обработки, классификации деталей по технологическим признакам, обработки типовых деталей и поверхностей, вопросов, связанных с проектированием механосборочных цехов, и расчетов технико-экономических показателей проектов. [c.4]

Рис. 3. Классификация методов решения задач статистической динамики

При проектировании технологических процессов, а также при освоении производства новых деталей необходимо знать численную величину ожидаемой погрешности обработки. Для расчета ожидаемой погрешности обработки применяют два метода аналитический и статистический (метод математической статистики). Оба эти метода предполагают следующую классификацию производственных погрешностей систематические постоянные, систематические переменные и случайные. [c.126]

Классификация средств и методов активного контроля. Активному контролю могут подвергаться линейные и угловые размеры деталей, формы поверхности изделий, взаимное расположение линий и поверхностей в пространстве, толщина покрытий, чистота поверхности, установление факта наличия пробитых или просверленных отверстий и т. п. Поскольку момент воздействия на технологический процесс можно определить и при помощи, например, статистических методов контроля, то часто активный контроль называют технологическим, или управляющим контролем с автоматической обратной связью. [c.481]

Ниже излагается методика климатического районирования и статистического моделирования аэрологических полей, проведенных впервые с помощью метода е. о. с. При этом классификация аэрологических полей выполнена по комплексу температура—влажность, поскольку данные об озоне, углекислом газе и малых газовых примесях недостаточны и не могут быть использованы для глобального районирования. [c.190]

Третий метод формального отбора основан на использовании метода Монте-Карло и метода классификации. По заданным каким-либо образом распределениям Х определяют статистически большое число точек в области неопределенности параметра Хг. Полученное множество точек разделяют на N групп. Групповые центры выбирают при этом так, чтобы среднеквадратическое расстояние между точками в группе было минимальным, а расстояния между центрами — максимальным. [c.143]

Метод статистической и центробежной седиментации основан на разности скоростей осаждения частиц в жидкости. В случае агрегации частиц метод непригоден, но использование поверхностно-активных веществ и электролитов способствует стабилизации коллоидных растворов -(ПАВ и электролиты отделяют на заключительных стадиях от-мьшкой). Этот метод дал хорошие результаты при классификации частиц карбида титана зернистостью 5/3—60/10 мкм в растворе желатина, но для микропорошков (3/2 2/1 1/0) он непригоден [243]. [c.184]

При описании программных средств АСНИ изложены сведения об операционных системах общего назначения и реального времени, а также о средствах и языках программирования. В разделе приводится классификация инструментальных программных сред и перспективнь[х языков прикладного программирования. Достаточно подробно рассмотрены вопросы статистического анализа экспериментальных данных как математической основы современного автоматизированного эксперимента. Изложены методы обработки опытных данных, способы оценивания статистических характеристик случайных величин и процессов. Описан метод наименьших квадратов, который может служить примером применения методов регрессионного анализа для определения функциональной зависимости между параметрами по результатам их измерений. Раздел завершается описанием элементов теории планирования эксперимента, а также сведениями о ряде современных программных продуктов для статистического анализа данных. [c.9]

Во всех устройствах извлечения признаков уделяется большое вниманий проблеме снижения числа информативных признаков, аспользуемых в цифровой части системы классификации или распознавания. ynie TByer много методов снижения размерности пространства признаков, включающих интегральные преобразования Карунена — Лоэва, методы отбора в процессе обучения и др. С этой точки зрения весьма удобны статистические моменты по двум причинам [c.278]

Вторая часть монографии Статистические модели атмосферы (гл. 5 и 6) посвящена проблеме объективной классификации аэрологических полей и адекватного малопараметрического описания высотного распределения температуры и газового состава атмосферы. Здесь дается не только изложение методов классификации метеорологических полей в свободной атмосфере, но и приводится описание среднезональных и региональных статистических моделей температуры и МГС, построенных применительно к задачам дистанционного зондирования окружающей среды. [c.8]

Применение этого метода в задаче климатического райониро-вания (из-за оптимальных свойств е. о. с. и их значительной устойчивости [15, 31, 37, 39, 45]) позволяет не только отфильтровать мелкомасштабные вариации метеорологического поля и учесть лишь те пространственно-временные изменения его, которые обусловлены процессами глобального и синоптического масштабов, но и провести объективную классификацию климатов свободной атмосферы и построить адекватные статистические модели для ограниченного числа квазиоднородных районов. [c.190]

Исследование всякого рода взаимосвязей является одним из наиболее распространенных направлений применения МММ в инженерной геологии. Предметом изучения при этом слул ат различные показатели физико-механических свойств пород, связи между структурой пород и их механическими свойствами, влияние различных факторов на геологические процессы (оползни, переработка берегов водрхранилищ и т. д.). При решении этих задач используются различные методы и модели, как детерминированные, так и статистические. Однако здесь нас интересует классификация всего этого множества методов и моделей по другому признаку основано решение задачи на вскрытии механизма взаимосвязи и взаимовлияния факторов или оно использует принцип черного ящика . Существенно, что содержательная интерпретация результатов решения, полученного по этой схеме, как правило, неоднозначна. Примерами первого способа могут служить классические решения механики грунтов, задач об устойчивости откосов, о переработке берегов водохранилищ и др., а также ряд решений, связывающих параметры трещиноватости с механическими и фильтрационными свойствами пород в массиве примерами второго — разнообразные корреляционные зависимости, парные и многомерные между показателями состава, структуры и свойств пород. Эти примеры свидетельствуют о многообразии решаемых задач и о том (важном с методологической точки зрения) факте, что одни и те же задачи решаются с использованием обоих способов. Последнее обстоятельство дает возможность рассмотреть преимущества и недостатки каждого из них на конкретных примерах. [c.8]

Общая классификация способов подавления кратных волн дана в виде схемы на рис. 2.67. Методы фильтрации хорошо разработаны, дешевы, весьма популярны и в большинстве случаев обеспечивают приемлемое решение 2D/ 3D Проблемы кратных волн. Однако они опираются на предположения, которые иногда выполняютя, а иногда -нет. Например, предположение о существенной разнице скоростей для одно - и многократных волн не выполняется для внутрипластовых кратных отражений или (для всех типов кратных волн) при отсутствии значительного вертикального градиента скорости - последнее характерно, например, для карбонатных толщ, заполняющих весь исследуемый разрез. Периодичность кратных волн статистически не выявляется, или выявляется в искаженном виде, если хотя бы одна из кратнообразующих границ негоризонтальна и/или криволинейна, если период меняется с изменением параметра луча, если последова- [c.73]

Статистические методы. Основываются на математических правилах классификации, которые формулируются и выводятся в терминах математической статистики. Исходным материалом служит некоторый набор объектов, каждый из которых задается набором значений признаков. Необходимы также априорные сведения о возможных плотностях распределений значений признаков, адекватности признаков и т.п. Отсутствующая априорная информация восстанавливается по исходному набору (выборке) объектов. Необходимо отметить, что соотношение числа характеристик, описывающих объекты распознавания, и количества объектов, на базе которых и происходит отнесение объекта распознавания в тот или иной класс, обычно не позволяет прямо использовать строгие методы математической статистнки.Таким образом статистические методы распознавания являются, по существу, эвристическими. [c.114]

Этот вопрос решается содержательным анализом объекта с использованием научных обобщений, эмпирического опыта, интуиции, различных статистических методов а иногда и экспер1йментальных данных еще на стадии постановки задачиг. Значит, все классификации, о которых говорилось в предыдущем параграфе — как Содержательные (I), так и особенно постановочные (II), с выделением учитываемых при постановке задачи факторов полностью применимы и для характеристики социально-экономических моделей. Иначе говоря, они могут также служить классификациями моделей. [c.285]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...