Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 3.237.65.102
    [SESS_TIME] => 1711637800
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => 52142eba0fc9bc966c29bc1b605fd1e2
    [UNIQUE_KEY] => 1102c4841e601cb9d2f57f023fc22690
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

)

Поиск по журналу

Автометрия

2019 год, номер 3

НЕПАРАМЕТРИЧЕСКИЙ АЛГОРИТМ ВЫДЕЛЕНИЯ КЛАССОВ, СООТВЕТСТВУЮЩИХ ОДНОМОДАЛЬНЫМ ФРАГМЕНТАМ ПЛОТНОСТИ ВЕРОЯТНОСТИ МНОГОМЕРНЫХ СЛУЧАЙНЫХ ВЕЛИЧИН

А.В. ЛАПКО1,2, В.А. ЛАПКО1,2, С.Т. ИМ3,2, В.П. ТУБОЛЬЦЕВ2, В.Л. АВДЕЕНОК2
1Институт вычислительного моделирования СО РАН, Красноярск, Россия
lapko@icm.krasn.ru
2Сибирский государственный университет науки и технологий им. академика М. Ф. Решетнева, Красноярск, Россия
3Институт леса им. В. Н. Сукачева СО РАН, Красноярск, Россия
Ключевые слова: автоматическая классификация, многомерная гистограмма, распознавание образов, выборки большого объёма, дискретизация области значений многомерных случайных величин, данные дистанционного зондирования, automatic classification, multidimensional histogram, pattern recognition, large-volume samplings, discretization of the domain of the values of multidimensional random variables, remote sensing data
Страницы: 22-30

Аннотация

Рассматривается непараметрический алгоритм автоматической классификации больших массивов статистических данных. Его синтез основан на декомпозиции исходных данных. Результаты декомпозиции образуют множество центров многомерных интервалов и соответствующих им частот встречаемости значений случайных величин. На основе полученной информации обнаруживаются классы, соответствующие одномодальным фрагментам плотности вероятности признаков исследуемых объектов. Анализируется пространственная интерпретация результатов автоматической классификации. Полученные непараметрические алгоритмы имеют важное значение при обработке данных дистанционного зондирования природных ресурсов.

DOI: 10.15372/AUT20190303