<<
>>

2.1.1 Методы многомерной классификации данных.

Последнюю задачу можно отнести к задачам классификации первого типа и, назвать многоаспектной классификацией.

Многоаспектная классификация представляет собой разбиение заданного множества объектов (например, записей основного файла) на подмножества (классы, категории), при котором каждый объект может быть отнесен одновременно и к нескольким классам в зависимости от числа признаков, по которым объект (элемент данных, образ) причисляется к тому или иному классу.

Практически важным свойством многоаспектной

37

классификации является: возможность представления результата в виде иерархической структуры, поэтому многоаспектную классификацию еще называют многомерной.

Иерархическая структура изображается в виде ориентированного дерева, по которому можно судить об отношениях между классами. При этом корень дерева представляет заданное множество данных, вершинами, отличными от корня, представлены подмножества исходного множества (классы), а ребра, направленные от корня к поддеревьям и от поддеревьев к листьям, связывают включающие классы с включаемыми..

Вершины одного уровня соответствуют классам, которые формируются на основе одного критерия (или по общему признаку). Классификация объектов с помощью ЭВМ сводится к классификации записей, представляющих собой совокупность признаков (характеристик) объекта. Так как классификация данных - один из основных видов обработки информации, то от эффективности реализации этой процедуры в системе зависит качество функционирования системы в целом. Под качеством функционирования здесь подразумевается приемлемое для пользователей системы время ответа на запрос и эффективное использование имеющихся в распоряжении ресурсов памяти. В литературе эти характеристики получили название временной и емкостной сложности алгоритмов.

В дальнейшем будут подробно исследоваться методы многомерной классификации, и приводится алгоритмы классификации и их временные характеристики.

<< | >>
Источник: Стадник Алексей Викторович. Использование искусственных нейронных сетей и вейвлет-анализа для повышения эффективности в задачах распознавания и классификации. 2004

Еще по теме 2.1.1 Методы многомерной классификации данных.:

  1. 1.1. Обзор способов и методов разработки метрологического обеспечения контроля и диагностирования технического состояния автотранспортных средств.
  2. Метод опорных векторов
  3. 1.2.2. Методы решения задачи обнаружения «цели»
  4. 1.3. Методы обнаружения сигналов с известными параметрами
  5. 1.3.2. Методы классификации с предварительной обработкой сигнала
  6. 1.3.3. Использование методов анализа сигналов для решения задачи поиска «цели»
  7. 2.1 Методы классификации данных.
  8. 2.1.1 Методы многомерной классификации данных.
  9. 2.1.2 Методы классификации данных, использующие понятие дистанционной меры и нечеткого множества.
  10. 2.1.4 Методы классификации данных, основанные на использовании функции расстояния.
  11. 3. КЛАССИФИКАЦИЯ ПРАВОВЫХ НОРМ
  12. 7.3. Многомерное шкалирование
  13. 9.1. Подход к классификации социологических методов полученияпервичной информации
  14. Метод приведения параллельных данных
  15. Основные методы сбора социологической информации. .Содержание методов, их достоинства и недостатки.Достоверность эмпирических данных и факторы на нее влияющие.Выборочный метод сбора информации. Генеральная и выборочная совокупности. Понятие репрезентативности. Типы выборочных совокупностей.Этапы социологического анализа.
  16. ОПРОС КАК МЕТОД СБОРА ДИАЛЕКТОЛОГИЧЕСКИХ ДАННЫХ
  17. МЕТОДЫ СОЦИОЛОГИЧЕСКОГО ИССЛЕДОВАНИЯ