|
ИСТИНА |
Войти в систему Регистрация |
ФНКЦ РР |
||
Методы оценки надежности алгоритмов распознаваниядипломная работа (Специалист)
- Научный руководитель: Гуров С.И.
- Автор: Уткина О.Ф.
- Тип: Специалист
- Организация, в которой проходила защита: МГУ имени М.В. Ломоносова
- Год защиты: 2003
- Аннотация: Дипломная работа О.Ф. Уткиной повещена изучению вопросов оцениванию алгоритма распознавания на основе обучающей выборки прецедентов. При решении задачи распознавания важно не только получить алгоритм, реализующий (возможно с некоторыми ошибками) требуемое разделение классов, но и иметь оценку надежности решения поставленной задачи, т.е. знать, как часто данный алгоритм будет ошибаться при классификации вновь предъявляемых объектов. Хотя указанная оценка напрямую определяет качество классификации, на практике дать такую обоснованную оценку часто оказывается затруднительным. Это часто связано ещё и с тем, что часто приходиться иметь дело с экзаменационными выборками небольшого объёма, когда-либо параметры формул оценки ошибок распознавания находятся вне границ применимости метода, либо полученные оценки оказываются сильно заниженными или завышенными и интуитивно неприемлемыми (нулевая точечная оценка ошибки при корректном алгоритме распознавания). В дипломной работе приводится обзор существующих методов решения указанной задачи. Рассматриваются два варианта задачи: когда классификатор задан, когда он не задан. Последнее характерно для оценки надёжности методом скользящего контроля. Для заданного классификатора предложены практически приемлемые методы оценки ν (основанные на методах Фишера и Неймана для вычисления доверительных областей в многомерном случае, а также для вычисления байесовских точечных оценок). Для варианта незаданного классификатора обоснован метод и написана программа, которая из последовательности вероятностей ошибки выбирает наиболее достоверную. Для случая малых выборок предлагается новый, т.н. гибридный, метод получения оценок неизвестных величин. Он основан на совместном использовании байесовского и частотных подходов. Его применение позволяет восстановить априорное распределение неизвестной величины и затем, по полученному апостериорному распределению, получить интервальные оценки неизвестной величины. Данный метод представляет большой практический интерес, поскольку пригоден для случая малых выборок и редких событий. Все предложенные методы реализованы в рамках компьютерной программы, которая может быть использована в практической работе. Однако, она не включает в себя всех известных методов получения интервальных оценок, что является недостатком работы. При работе над дипломом О.Ф. Уткина проявила себя как настойчивый исследователь. На основании вышеизложенного считаю, что диплом О.Ф. Уткиной заслуживает оценки «отлично» и ей может быть присвоена квалификация «математик, системный программист» по специальности «прикладная математика и информатика» (специализация «математическое моделирование»). Доцент каф. «Математические методы прогнозирования» ф-та ВМиК МГУ им. М.В. Ломоносова, ст.н.с., к.ф.-м.н. _____________ С.И. Гуров 20 мая 2003 г.
- Добавил в систему: Гуров Сергей Исаевич