Классификация при неполной информации о вероятностных характеристиках классов

СОДЕРЖАНИЕ
Введение
1. Классификации при вероятностностатистическом подходе к распознаванию образов
1.1. Байесовское решающее правило
1.2 Минимаксное решающее правило.
1.3. Правило ближайшего соседа.
1.3.1 Вероятностностатистическая модель для правила ближайшего
1.3.2. Достоинства и недостатки правила ближайшего соседа
2. Классификация в случае неполной информации о вероятностных характеристиках классов
2.1. Первая схема классификации
2.1.1. Общая схема правила.
2.1.2. Оценка вероятности ошибки.
2.1.3. Сравнение оценок вероятностей ошибок классификации по схеме 1 и по правилу ближайшего соседа
2.2. Вторая схема классификации
2.2.1. Общая схема правила.
2.2.2. Оценка вероятности ошибки.
2.2.3. Алгоритм формирования группы О, минимизирующий оценку вероятности ошибки
2.2.4. Сравнение оценок вероятностей ошибок классификации по схеме 2 и по правилу ближайшего соседа
2.2.5. Сравнение оценок вероятностей ошибок классификации по схеме 1 и схеме 2.
2.2.6. Использование схемы 2 в случае неполной информации о
вероятностных характеристиках классов
2.2.6.1. Достаточное условие для выполнения неравенства,
используемого на шаге 0 алгоритма Аорт.
2.2.6.2. Достаточное условие для выполнения неравенства,
используемого на шаге 2 алгоритма Аорт.
2.3. Третья схема классификации.
2.3.1. Общая схема правила.
2.3.2. Оценка вероятности ошибки.
2.3.3. Критерий для формирования группы О
2.3.4. Сравнение схемы 3 со схемой 2.
2.3.5. Сравнение схемы 3 и схемы 1.
3. Примеры практических задач, сводимых к задаче классификации в случае неполной информации о вероятностных характеристиках классов
Заключение
Литература