Features of Random Logical Classification Trees in Pattern Recognition Problems

Abstract

Робота піднімає важливе питання теорії розпізнавання образів-застосування методів та алгоритмів побудови випадкових логічних дерев класифікації. Розглядаються принципові особливості випадкових дерев класифікації, тобто логічних дерев, у яких вибір (генерація) вершин на довільному етапі побудови дерева відбувається випадково. Алгоритм, запропонований в роботі, дозволяє як будувати випадкові логічні дерева, так і генерувати цілі набори (множини) логічних дерев різної структури (складності), серед яких можна вибирати найбільш оптимальне для даної задачі. Підкреслюється важливість застосування випадкових логічних дерев для розв'язання задач розпізнавання образів, відбору (та можливої перебудови) найбільш ефективного дерева серед множини побудованих випадкових логічних дерев. У роботі фіксується, що випадкові логічні дерева мають як свої суттєві переваги (програмна простота побудови дерева класифікації, зменшення часу загальної генерації логічного дерева, можливість оцінки та вибору найбільш підходящого дерева класифікації з множини побудованих), так і недоліки (неоптимальність структури, апаратні витрати на генерацію неоптимального дерева класифікації, гарантована складність структури та велика інформаційна місткість, необхідність додаткового етапу оцінки та відбору). Простий, ефективний та економний метод побудови випадкового логічного дерева класифікації навчальної вибірки дозволяє забезпечити необхідну швидкодію, рівень складності схеми розпізнавання, що гарантує проведення простого та повного розпізнавання дискретних об'єктів. У роботі розглядаються деревоподібні схеми розпізнавання. Ключові слова: розпізнавання дискретних об'єктів, логічні дерева класифікації, функція розпізнавання, навчальна вибірка, алгоритм випадкового дерева.

The Method of Bounded Constructions of Logical Classification Trees in the Problem of Discrete Objects Classification

“…Так з виразу [2] відомо, що результуюче правило класифікації (схема), яке побудоване довільним методом або алгоритмом розгалуженого вибору ознак, має деревоподібну логічну структуру. Логічне дерево складається з вершин (ознак), які групуються по ярусам і які отримані на певному кроці (етапі) побудови дерева розпізнавання [11], [18], [21]. Важливою задачею, яка виникає з [4], [7], [8], [10] задача синтезу дерев розпізнавання, які будуть представлятися фактично деревом (графом) алгоритмів.…”

“…Оскільки головну ідею методів та алгоритмів розгалуженого вибору ознак можна визначитияк оптимальну апроксимацію деякої початкової НВ набором елементарних ознак (атрибутів об'єкту), то на перший план виходить їх центральна проблемапитання вибору ефективного критерію розгалуження (відбору вершин, атрибутів, ознак дискретних об'єктів) [24], [25], [26]. Саме цим принциповим задачам присвячені роботи [21] де піднімаються питання якісної оцінки окремих дискретних ознак, їх наборів та фіксованих сполучень, що дає змогу запровадити ефективний механізм реалізації розгалуження.…”

“…Також запропонований загальний інтегральний показник якості моделі ЛДК, який дає змогу ефективно подати загальні характеристики дерев класифікації, причому можливе його використання для відбору найбільш оптимального ЛДК у випадку методів побудови випадкових ЛДК [21].…”