Классификация смоделированных скрытыми марковскими моделями последовательностей в многоклассовом случае

скрытые марковские модели производные от логарифма функции правдоподобия метод опорных векторов многоклассовая классификация

Гибридная модель представления знаний для реализации вывода во фреймовой онтологии, Полиномиальная методика расчета нелинейных регуляторов для нелинейных систем, ...

– 3(52) УДК 519.217.2 Классификация смоделированных скрытыми марковскими моделями последовательностей в многоклассовом случае* <...> Т.А. ГУЛЬТЯЕВА, А.А. ПОПОВ В работе исследуется возможность повышения дискриминирующих свойств скрытых марковских моделей путем использования вторичных признаков, инициированных этими моделями, с применением классификатора, основанного на методе опорных векторов. <...> Ключевые слова: скрытые марковские модели, производные от логарифма функции правдоподобия, метод опорных векторов, многоклассовая классификация ВВЕДЕНИЕ Одним из средств моделирования различных процессов являются скрытые марковские модели (СММ) [7, 8, 11]. <...> В работе в качестве объектов классификации рассматривается множество смоделированных последовательностей, порожденных несколькими близкими по своим параметрам СММ. <...> Классификация последовательностей с использованием СММ при условии того, что конкурирующие модели достаточно хорошо отличимы друг от друга (по вероятности), обычно не вызывает затруднений. <...> Плохо поддаются классификации последовательности, порожденные близкими по своим параметрам СММ. <...> Будем также предполагать, что у исследователя нет априорной информации о структуре СММ. <...> Проведем сравнение в этих условиях возможностей традиционной методики классификации, основывающейся на вычислении вероятности того, что последовательность порождена конкретной СММ, с возможностями классификатора в виде метода опорных векторов SVM (Support Vector Machines) [10] в различных пространствах признаков. <...> В качестве признаков будем использовать первые производные от логарифма функции правдоподобия по параметрам СММ. <...> Результаты, приведенные в статье, являются продолжением серии экспериментов по двухклассовой классификации последовательностей, смоделированных близкими по параметрам СММ в условиях зашумленности генерируемых ими последовательностей [3–5]. <...> * Статья получена 10 января 2013 г. Классификация смоделированных <...>

• Похожие документы из РУАЭСТ
• |
• Похожие документы из Руконт