Некоторые подходы к задачам распознавания и их приложениям — страница 4

стоить отметит, что исследователь должен убедится в том, что алгоритм классификаций разбивает правильно. Применение алгоритмов распознавания для решений задач сегментации. Одним из интересных приложений теорий распознавания является возможности использовать некоторые модели этой теорий для решения задач в разных областях математики. В частности для решения трудных комбинаторных задач и таких как задача сегментации

программ[6]. Под задачей сегментации обычно принято понимать задачу разбиения последовательной программы на взаимозависимые по управлению и информационной части (блоки, сегменты и. т. д. ) в соответствии с той или иной целью. Для решения задач сегментации существует ряд методов. Которые разделяются условно на несколько подходов. Которые позволяют в основном получить лишь приближенные решения при неизвестной погрешности

определяемых решений. Один из таких подходов является кластерный подход[6]. Кластерный подход основывается на представлении задачи сегментации как задачи кластерного анализа. Сама программа в этом случае является точкой n-мерного пространства. Для решения задачи сегментации программ кластерный подход опирается на классическую графовую постановку задачи сегментации и обладающей некоторыми специфическими особенностями.

Формулировка задачи состоит в следующем: Требуется разрезать вершины полного, взвешенного графа на части таким образом, чтобы суммарный вес вершин, попавших в каждое подмножество не превосходил заданного значения, а суммарный вес внешних по отношению к разбиению ребер был бы минимален. При решении различных прикладных задач распознавания и классификации успешно применяется метод опорных подмножеств. Впервые метод опорных

подмножеств был описан Ю.И. Журавлевым. Принципиальную возможность применения метода опорных подмножеств для решения задачи сегментации было описана в работе[6]. Основной трудностью здесь является содержательная интерпретация параметров данного метода, задающих соответствующий класс алгоритмов вычисления оценок. Интересным подходом для решения задач распознавания образов и классификаций, а также некоторых дискретных

экстремальных задач, в частности задачи сегментации является нейросетевой подход. СПИСОК ЛИТЕРАТУРЫ Гонсалес Р.К. Принципы распознавания образов./Пер. с англ. И.Б.Гуревича: под ред. Ю.И. Журавлева: М. Мир 1978. Мандель И.Д. Кластерный анализ./ М.: Финансы и статистика.1988. Дж. Вэн Райзен Классификация и кластер./Труды науч.семинара.: М. Мир.1980 Дюран М.Б. Кластерный анализ. - :М. Финансы и статистика, 1977.-220с. Аркадьев А.Г. и Браверманн Э.М.