Эмпирические методы распознавания

Характерной чертой параметрического случая является использование в той или иной степени эмпирических распределений вероятности вместо истинных и эмпирических оценок (средних) вместо математических ожиданий. Это обстоятельство приводит к особым требованиям к объему и составу полной совокупности исходных данных {X} для того, чтобы эмпирическое осреднение приводило к состоятельным оценкам математических ожиданий.

К непараметрическим методам оценки плотности вероятности f(x_j) прибегают также при большом числе признаков x_j и наличии зависимостей между ними. В этом случае нет необходимости делать предположение о виде функции f(x_j). При этом класс функций, к которым применимы эти методы, ограничивается непрерывными функциями или близкими к ним.

Оценка парзеновского типа (обобщенная гистограмма)

Это одна из распространенных непараметрических оценок. Оценочная функция при этом может быть представлена выражением:

где ,j=1,…,N – функции, называемые ядрами, центрами которых являются точки в пространстве признаков, соответствующие объектам обучающей выборки.

h⁽ⁱ⁾ – коэффициент “размытости” i-го признака, зависящий от N.

Если ядра выбираются симметричными относительно центра, т.е. являются функциями расстояния от центра, то оценка принимает вид:

где - расстояние от до .

Обобщенная гистограмма является асимптотически несмещенной и состоятельной, если выбор функции h от N при N®¥ обеспечивает h®¥ и Nh®¥.

Для получения оценки плотности не по всему пространству признаков, а в заданной точке используются методы локального оценивания парзеновского окна и K_N “ближайших соседей”.

Оба метода основываются на возможности оценивания вероятности появления реализации в заданной области по эмпирической частоте.

Вероятность попадания в некоторую область А признакового пространства “K” объектов из выборки объемом N равна:

где Р – вероятность попадания в эту область одного объекта.

Математическое ожидание к (как случайного числа объектов, попадающих в область А) равно P×N. Распределение вероятности P_k имеет выраженный максимум около математического ожидания. Потому можно полагать, что k@PN.

То равенство тем точнее, чем больше N.

Определение: Чтобы получить оценку средней плотности по области А необходимо найти значение Р как:

P @ k/N

И поделить то значение оценки вероятности на объем V_A области А, т.е.: