BUILDING OF RECOGNITION OPERATORS IN CONDITION OF FEATURES’ CORRELATIONS

Sh. Kh. Fazilov, N. M. Mirzaev, O. N. Mirzaev

Abstract


The problem of recognizing of patterns given in the space of correlated features is considered. The new approach to the building of model
of recognition operators, which considers the correlation of given features, is proposed. The building of the model is carried out for potential
function type recognition operators. The main idea of the proposed approach is formation of uncorrelated subsets of strongly correlated
features and extracting preferred correlation model for each of subsets of strongly correlated features. Analysis of the results shows that the
considered recognition operators are used in cases when there is a certain correlation between objects belonging to the same class. When the
expression of this relationship is weak, classical model of recognition operators is used. The main advantage of the proposed recognition
operators is to improve the accuracy and the significant reduction in the volume of computational operations in recognition of unknown
objects, which allows them to use when building recognition systems working in real time.

Keywords


pattern recognition, model of recognition operators, potential function, features’ correlations, subset of strongly correlated features, representative feature, preferred correlation model.

References


Айзерман М. А. Метод потенциальных функций в теории обучения машин / М. А. Айзерман, Э. М. Браверманн, Л. И. Розоноэр. – М. : Наука, 1970. – 348 с. 2. Журавлев Ю. И. Избранные научные труды / Ю. И. Журавлев. – М. : Магистр, 1998. – 420 с. 3. Журавлев Ю. И. Распознавание. Математические методы. Программная система. Практические применения / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько. – М. : Фазис, 2006. –159 с. 4. Камилов М. М. Современное состояние вопросов построения моделей алгоритмов распознавания / М. М. Камилов, Н. М. Мирзаев, С. С. Раджабов. // Научный журнал: Химическая технология. Контроль и управление. – 2009. – № 2. – С. 21–27. 5. Загоруйко Н. Г. Прикладные методы анализа данных и знаний / Н. Г. Загоруйко. – Новосибирск : ИМ СО РАН, 1999. 6. Лбов Г. С. Логические решающие функции и вопросы статистической устойчивости решений / Г. С. Лбов, Н. Г. Старцева. – Новосибирск : Изд-во ИМ СО РАН, 1999. – 211 с. 7. Шлезингер М. Десять лекций по статистическому и структурному распознаванию / М. Шлезингер, В. Главач. – К. : Наукова думка, 2004. – 545 c. 8. Потапов А. С. Распознавание образов и машинное восприятие / А. С. Потапов. – СПб. : Политехника, 2007. – 548 с. 9. Duda R. O. Pattern Classification, Second Edition / R. O. Duda, P. E. Hart, D. G. Stork. – New York : John Wiley, Inc., 2001. – 680 p. 10. Vapnik V. Statistical Learning Theory / V. Vapnik. – New York : John-Wiley Sons, Inc., 1998. – 732 p. 11. Theodoridis S. Pattern Recognition: Theory and Applications, 4th edition / S. Theodoridis, K. Koutroumbas. – New York : Academic Press, 2009. – 957 p. 12.Dougherty G. Pattern Recognition and Classification: An Introduction / G. Dougherty. – New York: Springer, 2013. – 196 p. 13. Фазылов Ш. Х. Построение модели алгоритмов вычисления оценок с учетом большой размерности признакового простран- ства / Ш. Х. Фазылов, Н. М. Мирзаев, С. С. Раджабов // Вестник СГТУ. – Саратов, 2012. – № 1 (64), Вып. 2. – С. 274–279.


GOST Style Citations






DOI: https://doi.org/10.15588/1607-3274-2016-1-7



Copyright (c) 2016 Sh. Kh. Fazilov, N. M. Mirzaev, O. N. Mirzaev

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Address of the journal editorial office:
Editorial office of the journal «Radio Electronics, Computer Science, Control»,
Zaporizhzhya National Technical University, 
Zhukovskiy street, 64, Zaporizhzhya, 69063, Ukraine. 
Telephone: +38-061-769-82-96 – the Editing and Publishing Department.
E-mail: rvv@zntu.edu.ua

The reference to the journal is obligatory in the cases of complete or partial use of its materials.