Использование вектора вторичных признаков при классификации сигналов | Статья в журнале «Молодой ученый»

Автор:

Рубрика: Технические науки

Опубликовано в Молодой учёный №2 (136) январь 2017 г.

Дата публикации: 13.01.2017

Статья просмотрена: 41 раз

Библиографическое описание:

Коробейников А. В. Использование вектора вторичных признаков при классификации сигналов // Молодой ученый. — 2017. — №2. — С. 118-120. — URL https://moluch.ru/archive/136/38151/ (дата обращения: 14.12.2018).



При выборе метода функционирования устройства классификации сигналов необходимо учитывать характерные особенности источников сигналов (частота излучения, длительность импульсов, пространственное расположение источников и т. д.), требования по достоверности результатов классификации, на максимальное допустимое время классификации и на структуру аппаратных и программных средств устройства.

Ключевые слова: вектор, сигнал, квантование

В данной статье рассматривается метод классификации сигналов, суть которого заключается в разбиении всех классов на группы и подгруппы на основе набора вторичных признаков, в которых по возможности, сконцентрирована информация о наиболее существенных свойствах сигналов.

Сигнал , поступивший на классификацию, представлен виде вектора вторичных признаков и характеризуется тремя признаками . Где — качественный признак, указывающий на номер максимальной компоненты вектора ; — количественный признак, характеризующий разброс компонентов вектора ; — двухкомпонентный признак, описывающий уровень квантования (α) и код огибающей сигнала (), полученный на данном уровне.

Результат классификации зависит от точности формирования кода огибающей сигнала — признака . Признак представляет собой кортеж сочетаний «I« и «О« и отражает наиболее существенные изменения (перепады) огибающей классифицируемого сигнала, а также не зависит от масштабов представления его параметров. Кортеж получается в результате сравнения каждого из компонентов вектора с некоторым пороговым уровнем по условию . При удовлетворении данного условия i –ой компоненте кортежа присваивается «I«, в противном случае — «О«. В данном случае точность представления вида огибающей сигнала кортежем существенно зависит от численного значения .

Для сигналов, имеющих равномерное изменение огибающей, значение определяется простыми выражениями:

‒ для дискретных сигналов или /2;

‒ для непрерывных сигналов .

В случае, когда классифицируемый сигнал имеет неравномерное изменение огибающей, значение может быть определено как

.

где в числителе выражения служат для исключения влияния на значение отдельных компонент, сильно отличающихся от остальных компонентов вектора .

Дли точного описания огибающей сигнала производится его квантование по уровню и на каждом уровне определяется код вида огибающей сигнала. В этом случае численное значение порога , находящегося в интервале , определяется из выражения

где α порядковый номер шага квантования, на котором формируется код огибающей сигнала.

а шаг квантования, который изменяется пропорционально к масштабам представления параметров сигнала , значение которого вычисляется по формуле

При формировании признака в данном разделе рассматриваются следующие случаи:

  1. Признак является вектором , компоненты которого соответствуют кодам полученным на каждом шаге квантовании. При этом не все компоненты признака отражают информацию об изменениях огибающей сигнала. В данном случав признак наиболее полно представляет классифицируемый сигнал, но требуются значительные вычислительные затраты при его сравнении с соответствующими эталонными признаками.
  2. Для уменьшения вычислительных затрат в качестве компонентов

признака можно использовать коды, полученные на четных (нечетных) значениях α. В частном случае компонентами признака принимаются комбинации кодов огибающей сигнала, полученные при:

3. Более оптимальным является случай, когда представляется в виде двухкомпонентного признака где α, соответствует номеру шага квантования, на котором код содержит наибольшее количество переходов типа «IO», «OI» и сравнительно точно отражает вид огибающей сигнала. При этом значение α остается постоянным для сигналов одного класса, представленных в различных масштабах измерения.

Приводимый метод классификации включает в себя четыре уровня, в первых трех уровнях которого, на основе сравнения соответствующих признаков сигнала и эталона, определяется подмножество классов, к которому принадлежит классифицируемый сигнал, а на последнем уровне находится конкретный класс на основе сравнения кодов огибающих сигнала и эталонов.

На первом и втором уровнях классификации осуществляется сравнение признаков и с соответствующими составляющими эталонного вектора по выражениям , выполнение которых является необходимым условием отнесения классифицируемого сигнала g-му классу (g=I,К).

На третьем и четвертом уровнях классификации осуществляется сравнение признаков эталонными признаками на основе выражений предикатов сходства неотрицательных чисел, которое для данного случая имеет вид

,

и предиката сходства изображающих чисел

соответственно. Здесь и пороги сравнения признаков и являются порогами схожести, а — порогами сильного расхождения.

Если предикаты то коэффициенту ω, определяющему номер подмножества классов, присваивается значение ω=2, а номер класса в подмножестве классов определяется согласно выражения g=g(3ω+3). В противном случае вычисляется соответствующий предикат сходства для порога сильного расхождения. При истинном значении предиката коэффициенту ω присваивается значение ω=1, а g=g(3ω+2), в противном случае ω=0 и g=g(3ω+1).

Описанный метод, основанный на вычислении предикатов сходства вторичных признаков, позволяет ускорить процесс классификации за счет направленного выбора эталонных классов и существенно упростить данный процесс представлением сигналов в виде вектора вторичных признаков, компоненты которого являются инвариантными к масштабам представления параметров классифицируемого сигнала.

Выражения предикатов сходства в данном методе можно легко заменить на выражения метрик и мер близостей нелинейного пространства, что позволяет применять предлагаемый метод для классификации сигналов (объектов) при заданных границах классов.

Литература:

  1. Ходжиев К. К., Абдуллаев М. М. Об одном способе повышения быстродействия систем принятия решений.// Программное, алгоритмическое и техническое обеспечение АСУ ТП: Тез. докл. Всесоюзной НТК. — Ташкент. 1985, ч.4.
  2. Хасанов П. Ф., Ходжиев К. К. Нелинейное метрическое пространство для решения задач распознавания образов: Сб.науч.тр. Ташкент: ТяшПИ. I984, Вып.322.
  3. Поезжаева Е.В//Теория механизмов и механика систем машин. Учеб. Пособия/Е. В. Поезжаева.- Пермь: Изд-во Пермского национального исследовательского политехнического университета. 2014.-400
Основные термины (генерируются автоматически): классифицируемый сигнал, признак, противный случай, сравнение признаков, подмножество классов, компонент признака, код огибающей сигнала, вид вектора, сильное расхождение, уровень классификации.


Похожие статьи

Анализ методов распознавания образов | Статья в журнале...

Формирование векторов признаков, посредством выбора наиболее значимых признаков, с помощью которых можно выделить непересекающиеся множества классов. Классификация или предсказание на основе полученных данных о классах.

Анализ методов сегментации изображений | Статья в журнале...

6. Методы использующие признак движения. В данных методах сегментация производится по оценке вектора движения.

В. Производим сравнение соседнего правого пикселя с классом S1.

С. Производим сравнительный анализ векторов движения в соседних выделенных...

Классификация IDS | Статья в журнале «Молодой ученый»

Классификация IDS. Авторы: Акбарова Шахида Азатовна, Ганиев Акмал Абдухалилович.

На сегодняшний день IDS принято классифицировать по нескольким параметрам к числу которых можно отнести способ сбора

Также существуют гибридные версии перечисленных видов СОВ.

Анализ методов обнаружения лиц на изображении

Метод опорных векторов основан на том, что ищется линейное разделение классов.

Следовательно, классификатор должен реагировать только на определенное, нужное подмножество всех признаков.

Применение метода многопараметрического распознавания...

Нахождение оптимальных решающих процедур (методов классификации) — соотнесение вектора признаков образа некоторому классу.

Выделим три основных типа характеристик-признаков

Классификация методов активного обучения применительно...

Различают классификации, в основу которых положены следующие признаки

-уровень проблемности (показательный, монологический, диалогический, эвристический

-вид деятельности преподавателя (методы изложения и методы организации самостоятельной...

Исследование классификации системных свойств организаций

Очевидно, что в этом определении, главными признаками системы являются не факторы, а образованное из них что-то целостное.

Если организация — это организм, то её, как любой другой организм, можно отнести к определенному виду, подвиду, классу, и каждый такой...

К вопросу модальности в свете теории... | Молодой ученый

Об отношении внутренней возможности можно говорить тогда, когда фактор, обуславливающий связь субъекта и признака, находится в самом субъекте, представляя собой его внутренние характеристики, например, психические или физические свойства, черты характера...

Аксиоматические теории в курсе математической логики

Из множества формул выделяется некоторое подмножество формул, называемых аксиомами.

Аксиомы теории первого порядка разбивают на два класса

Собственные аксиомы не могут быть сформулированы в общем случае и меняются от теории к теории.

Анализ методов распознавания образов | Статья в журнале...

Формирование векторов признаков, посредством выбора наиболее значимых признаков, с помощью которых можно выделить непересекающиеся множества классов. Классификация или предсказание на основе полученных данных о классах.

Анализ методов сегментации изображений | Статья в журнале...

6. Методы использующие признак движения. В данных методах сегментация производится по оценке вектора движения.

В. Производим сравнение соседнего правого пикселя с классом S1.

С. Производим сравнительный анализ векторов движения в соседних выделенных...

Классификация IDS | Статья в журнале «Молодой ученый»

Классификация IDS. Авторы: Акбарова Шахида Азатовна, Ганиев Акмал Абдухалилович.

На сегодняшний день IDS принято классифицировать по нескольким параметрам к числу которых можно отнести способ сбора

Также существуют гибридные версии перечисленных видов СОВ.

Анализ методов обнаружения лиц на изображении

Метод опорных векторов основан на том, что ищется линейное разделение классов.

Следовательно, классификатор должен реагировать только на определенное, нужное подмножество всех признаков.

Применение метода многопараметрического распознавания...

Нахождение оптимальных решающих процедур (методов классификации) — соотнесение вектора признаков образа некоторому классу.

Выделим три основных типа характеристик-признаков

Классификация методов активного обучения применительно...

Различают классификации, в основу которых положены следующие признаки

-уровень проблемности (показательный, монологический, диалогический, эвристический

-вид деятельности преподавателя (методы изложения и методы организации самостоятельной...

Исследование классификации системных свойств организаций

Очевидно, что в этом определении, главными признаками системы являются не факторы, а образованное из них что-то целостное.

Если организация — это организм, то её, как любой другой организм, можно отнести к определенному виду, подвиду, классу, и каждый такой...

К вопросу модальности в свете теории... | Молодой ученый

Об отношении внутренней возможности можно говорить тогда, когда фактор, обуславливающий связь субъекта и признака, находится в самом субъекте, представляя собой его внутренние характеристики, например, психические или физические свойства, черты характера...

Аксиоматические теории в курсе математической логики

Из множества формул выделяется некоторое подмножество формул, называемых аксиомами.

Аксиомы теории первого порядка разбивают на два класса

Собственные аксиомы не могут быть сформулированы в общем случае и меняются от теории к теории.

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Анализ методов распознавания образов | Статья в журнале...

Формирование векторов признаков, посредством выбора наиболее значимых признаков, с помощью которых можно выделить непересекающиеся множества классов. Классификация или предсказание на основе полученных данных о классах.

Анализ методов сегментации изображений | Статья в журнале...

6. Методы использующие признак движения. В данных методах сегментация производится по оценке вектора движения.

В. Производим сравнение соседнего правого пикселя с классом S1.

С. Производим сравнительный анализ векторов движения в соседних выделенных...

Классификация IDS | Статья в журнале «Молодой ученый»

Классификация IDS. Авторы: Акбарова Шахида Азатовна, Ганиев Акмал Абдухалилович.

На сегодняшний день IDS принято классифицировать по нескольким параметрам к числу которых можно отнести способ сбора

Также существуют гибридные версии перечисленных видов СОВ.

Анализ методов обнаружения лиц на изображении

Метод опорных векторов основан на том, что ищется линейное разделение классов.

Следовательно, классификатор должен реагировать только на определенное, нужное подмножество всех признаков.

Применение метода многопараметрического распознавания...

Нахождение оптимальных решающих процедур (методов классификации) — соотнесение вектора признаков образа некоторому классу.

Выделим три основных типа характеристик-признаков

Классификация методов активного обучения применительно...

Различают классификации, в основу которых положены следующие признаки

-уровень проблемности (показательный, монологический, диалогический, эвристический

-вид деятельности преподавателя (методы изложения и методы организации самостоятельной...

Исследование классификации системных свойств организаций

Очевидно, что в этом определении, главными признаками системы являются не факторы, а образованное из них что-то целостное.

Если организация — это организм, то её, как любой другой организм, можно отнести к определенному виду, подвиду, классу, и каждый такой...

К вопросу модальности в свете теории... | Молодой ученый

Об отношении внутренней возможности можно говорить тогда, когда фактор, обуславливающий связь субъекта и признака, находится в самом субъекте, представляя собой его внутренние характеристики, например, психические или физические свойства, черты характера...

Аксиоматические теории в курсе математической логики

Из множества формул выделяется некоторое подмножество формул, называемых аксиомами.

Аксиомы теории первого порядка разбивают на два класса

Собственные аксиомы не могут быть сформулированы в общем случае и меняются от теории к теории.

Анализ методов распознавания образов | Статья в журнале...

Формирование векторов признаков, посредством выбора наиболее значимых признаков, с помощью которых можно выделить непересекающиеся множества классов. Классификация или предсказание на основе полученных данных о классах.

Анализ методов сегментации изображений | Статья в журнале...

6. Методы использующие признак движения. В данных методах сегментация производится по оценке вектора движения.

В. Производим сравнение соседнего правого пикселя с классом S1.

С. Производим сравнительный анализ векторов движения в соседних выделенных...

Классификация IDS | Статья в журнале «Молодой ученый»

Классификация IDS. Авторы: Акбарова Шахида Азатовна, Ганиев Акмал Абдухалилович.

На сегодняшний день IDS принято классифицировать по нескольким параметрам к числу которых можно отнести способ сбора

Также существуют гибридные версии перечисленных видов СОВ.

Анализ методов обнаружения лиц на изображении

Метод опорных векторов основан на том, что ищется линейное разделение классов.

Следовательно, классификатор должен реагировать только на определенное, нужное подмножество всех признаков.

Применение метода многопараметрического распознавания...

Нахождение оптимальных решающих процедур (методов классификации) — соотнесение вектора признаков образа некоторому классу.

Выделим три основных типа характеристик-признаков

Классификация методов активного обучения применительно...

Различают классификации, в основу которых положены следующие признаки

-уровень проблемности (показательный, монологический, диалогический, эвристический

-вид деятельности преподавателя (методы изложения и методы организации самостоятельной...

Исследование классификации системных свойств организаций

Очевидно, что в этом определении, главными признаками системы являются не факторы, а образованное из них что-то целостное.

Если организация — это организм, то её, как любой другой организм, можно отнести к определенному виду, подвиду, классу, и каждый такой...

К вопросу модальности в свете теории... | Молодой ученый

Об отношении внутренней возможности можно говорить тогда, когда фактор, обуславливающий связь субъекта и признака, находится в самом субъекте, представляя собой его внутренние характеристики, например, психические или физические свойства, черты характера...

Аксиоматические теории в курсе математической логики

Из множества формул выделяется некоторое подмножество формул, называемых аксиомами.

Аксиомы теории первого порядка разбивают на два класса

Собственные аксиомы не могут быть сформулированы в общем случае и меняются от теории к теории.

Задать вопрос