Введение
Глава 1 Анализ алгоритмов идентификации образов 8
1.1 Понятие образа как многомерного объекта 8
1.2 Общая постановка задачи распознавания образов 10
1.2.1 Проблема обучения распознаванию образов 10
1.2.2 Гипотеза компактности 14
1.3 Современные подходы к проблеме идентификации наблюдений 15
1.3.1 Геометрический и структурный подходы 15
1.3.2 Дискриминантный анализ 19
1.3.3 Кластерный анализ 21
1.3.4 Вероятностный подход 23
1.3.5 Нейросетевой подход 27
1.3.6 Логические и лингвистические методы. Нечеткие системы 29
1.4 Практическое применение систем идентификации в задачах медицинской диагностики 37
1.5 Постановка задач диссертационного исследования 40
Глава 2 Синтез адаптивной модели нечеткой идентификации 42
2.1 Анализ базовых элементов системы нечеткого вывода 42
2.2 Оптимизация параметров лингвистических переменных 49
2.3 Формирование множества правил 62
2.4 Взаимодействие алгоритмов структурной и параметрической адаптации 64
2.5 Выводы 67
Глава 3 Специальное математическое и программное обеспечение анализа эффективности адаптивных систем 68
3.1 Алгоритмизация основных структурных элементов модели 69
3.2 Программная реализация системы анализа многомерных данных 71
3.3 Генерация многомерных тестовых распределений 78
3.4 Критерия качества модели идентификации 80
3.5 Анализ качества идентификации при различных геометрических структурах обучающих множеств 83
3.6 Анализ оптимальности использования различных операторов импликации 95
3.7 Выводы 97
Глава 4 Комплекс программ для решения задач идентификации состояний объектов 98
4.1 Выбор и формализация идентификационных признаков 99
4.2 Постановка задачи диагностики урологических заболеваний 103
4.3 Анализ результатов идентификации состояний пациентов 104
4.4 Структура и организация программного комплекса 108
4.5 Выводы 118
Заключение 118
Библиографический список 121
