Алгоритмы стандартной идентификации
Обычные алгоритмы распознавания образов обеспечивают распознавание с наименьшим средним риском, т. е. по критерию минимума среднего риска они являются оптимальными.
Анализ этих алгоритмов с различных точек зрения показал, что принятие решения о принадлежности объекта тому или иному классу происходит на основе проверки системы неравенств относительно некоторого порога. При этом операции, которые необходимо было производить с измеренными величинами, сводились фактически к сравнению с некоторым шаблоном, который математически определялся вектором b = К'1 (lik — Незадачей технического исполнения устройства распознавания является физическая реализация такого устройства, которое тем или иным образом осуществляет все операции, определяемые выражением, и дает на выходе результат принятого решения.
Если измеряемые параметры, по которым ведется распознавание, задаются в виде чисел, то все необходимые операции реализуются в виде математических действий и могут быть осуществлены с помощью цифровых вычислительных машин (ЦВМ). Если измеряемые параметры получают в аналоговом виде (напряжения, токи и т. д.), то целесообразно иметь устройство, реализующее алгоритм в аналоговом виде.
Указанный алгоритм использует статистические характеристики измеряемых параметров (р,, К). Если они известны как результат предварительной статистической обработки, то устройство распознавания может быть реализовано по схеме где каждая из постоянных известна и обеспечивается тем или иным схемным решением. Однако такое положение бывает сравнительно редко, гораздо чаще оказывается, что статистические характеристики распознаваемых объектов неизвестны. В этом случае можно поступать двояко: либо иметь в составе устройства распознавания специальные схемы, обеспе чивающие статистическую обработку входных сигналов во время обуче ния распознающего устройства, либо организовать некоторый подбор коэффициентов b иным способом. В первом случае полученные статистические характеристики не обходимо как-то преобразовать для получения коэффициентов, соответ ствующих элементам обратной ковариационной матрицы параметров
Одна эта задача достаточно сложна и требует громоздкого оборудования. Например, анализирующий способ, позволяет получить значения элементов обратной корреляционной матрицы в виде напряжений в узлах некоторой цепи, собранной из элементов R, L и С. Более точные значения элементов обратной корреляционной матрицы могут быть получены с помощью схемы, реализующей метод обращения матриц Мизеса. Однако практическая реализация этих методов ведет порой к сложным техническим решениям, оказываясь в таких случаях нецелесообразной.
Гораздо экономичнее и проще можно реализовать устройства распо-знавания, если воспользоваться методами автоподстройки коэффициентов. В настоящее время такие адаптирующиеся (самонастраивающиеся) системы получают наиболее широкое применение.