ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
ÐÐ ÐÐЦÐÐ ÐÐ ÐÐÐÐЬÐЫХ ÐÐÐÐЩÐÐÐÐ: меÑодологиÑ, задаÑи ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
247<br />
Таблица 5.13 – Обучающая выборка<br />
Ω \ {τ/T} цвет жесткий гладкий форма фрукт<br />
Яблоко желтое нет да круглое +<br />
Грейпфрут желтый нет нет круглый +<br />
Киви зеленое нет нет овальное +<br />
Слива синяя нет да овальная +<br />
Кубик зеленая да да кубический -<br />
Яйцо белое да да овальное -<br />
Теннис.мяч белый нет нет круглый -<br />
# Обращаем внимание, что данные представлены не в формате {τ/T 0 }<br />
В данном примере Z = {1, 2} ≡ {фрукт+; фрукт-} ≡ {образ+; образ-}. При<br />
такой оппозиции можно говорить о понятии положительного контекста.<br />
В общем случае речь будет идти о понятии Z-контекста. На основе<br />
контекста <br />
формируется предельная синдромная модель знаний {S * } и бикластеры<br />
({α} j , z j , {S * } j ). Банк тестов {G(τ)} выполняет роль опытного знания<br />
существующего достаточно автономно от текущей Z-задачи. Он<br />
формируется в процессе решения большого числа разнообразных Z-задач и<br />
обучения. Данный пример показывает, что развиваемый подход<br />
кардинально отличается от известных методов классификации, в частности,<br />
ДСМ-метода [2, 12, 179].<br />
Эмпирические понятия положительного и Z-контекстов можно<br />
сформировать, например, на основе «Базы мужских и женских лиц», «Базы<br />
химических элементов (активны/неактивны)» и фармакологических<br />
препаратов, «Базы генов/белков», «Базы голосов дикторов» и т.д. При<br />
анализе видео и аудио баз прецедентов целесообразно строить орграфы<br />
набросков (глава 6).<br />
Среди членов бикластера ({α} j , z j , {S} j , {R} j ) могут оказаться и более, и<br />
менее удачные примеры. Другими словами, степень центральности<br />
членов бикластера (понятия, концепта, категории), определенно лежащих в<br />
его границах, может быть различной (градуированной). Действительно, все<br />
синдромы имеют веса (например, % охвата прецедентов или поддержку),<br />
следовательно, чем больше суммарный вес синдромов у прецедента, тем<br />
выше степень его центральности. Прецеденты с крайне низкой степенью<br />
центральности в ряде приложений можно отнести к «информационному<br />
шуму».<br />
Таким образом, понятие сформировано, если удалось построить<br />
решающее правило, которое для любого примера из обучающей выборки<br />
указывает, принадлежит ли этот пример понятию, или нет. Решающее<br />
правило является корректным, если оно в дальнейшем успешно распознаёт