Методы решения — Классификация случайных

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]

Трудность работ по классифика1 и изделий и некоторая случайность в вы ре принципов, лежащих в основе классификаторов, разработанных различными заводами и организациями, вызвали попытки создания какого-либо объективного метода классификации. Однако предложенные до настоящего времени решения этой задачи представляют собой сложные схемы, насыщенные очень большим числом признаков и основанные на понятиях, не всегда имеющих четкое определение. [c.268]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...