Чабан Л.Н. Теория и алгоритмы распознавания образов. Учебное пособие. М.: МИИГАиК. 2004. – 70 с.Рассматриваются основные концепции теории распознавания образов, а также методы и
алгоритмы распознавания, применяемые при классификации многомерных
количественных данных.Основные понятия теории распознавания образов
Принципы построения систем распознавания образов
Особенности систем и методов распознавания в задачах тематической обработки данных
Основные принципы построения систем распознавания данных
Задача классификации образов, представленных набором измеряемых параметров. Геометрическая и аналитическая интерпретация
Группировка образов с использованием функций расстояния (кластерный анализ). Задачи кластерного анализа в тематической обработке данных
Методы выявления (выращивания) кластеров
Кластеризация при заданном количестве групп. Алгоритмы класса ISODATA
Дисперсионно-ковариационные критерии качества кластеризации
Выбор признаков. Корреляционный анализ данных
Элементы факторного анализа. Метод главных компонент
Статистический подход к задаче распознавания. Элементы теории статистических решений
Байесовская стратегия минимального среднего риска
Байесовская стратегия в условиях неполной информации
Случай нескольких классов. Априорные и апостериорные вероятности. Формула Байеса
Байесовский классификатор для многомерного случая
Обучение статистических классификаторов. Вероятность ошибок. Меры статистической разделимости
Самообучающиеся системы распознавания
Алгоритм корректирующих приращений
Алгоритм минимальной среднеквадратичной ошибки (НСКО-алгоритм обучения)
Метод потенциальных функций
