Введение. Многомерность пространства состояний рельсовых линий, близость границ классов из-за воздействия внешних возмущений существенно усложняют задачу распознавания и классификации данных состояний, вследствие чего ее возможно решить только с использованием множества информативных признаков. Вместе с тем расширение априорного алфавита признаков приводит к существенному увеличению экономических потерь для создания сложной системы распознавания, появлению ошибок измерения множества признаков, увеличению времени обработки информации, что отрицательно отражается на распознавании в реальном времени. В работе рассмотрена задача уменьшения размерности пространства признаков распознающей системы состояний рельсовых линий и формирования рабочего множества признаков с определением наиболее информативных сочетаний. Материалы и методы. Оценка информативности признаков осуществлялась методом корреляционных коэффициентов, а также с помощью обученного классификатора с решающей функцией, аргументами которой являлись входные и выходные электрические параметры четырехполюсника рельсовой линии. В качестве решающей функции был использован полином Колмогорова-Габора второй степени сложности, обученный решением несовместной системы уравнений. Математические и технические расчеты проводились в программе Mathcad. Результаты исследования. Наиболее информативными первичными признаками для надежной классификации состояний рельсовых линий являются входные и выходные параметры четырехполюсника рельсовой линии. При использовании данных признаков все классы надежно распознаются, а функции качества распознавания превышают 1,2. Обсуждение и заключения. Результаты, полученные в ходе исследования, подтверждают возможности подходов при формировании рабочего множества признаков и могут быть использованы при разработке обучаемых классификаторов состояний. Сочетание двух методов позволяет синтезировать сложные, многоуровневые системы распознавания, что является основным вкладом данной работы в развитие принципов распознавания образов.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.