Ўзбекистон республикаси ахборот технологиялари ва коммуникацияларини ривожлантириш вазирлиги муҳаммад ал-хоразмий номидаги

КЛАССИФИКАЦИЯ ОСНОВНЫХ МЕТОДОВ РЕШЕНИЯ ЗАДАЧИ 
РАСПОЗНАВАНИЯ 
Н.М.Мирзаев, С.С.Раджабов
(Центр разработки программных продуктов и аппаратно-программных комплексов при 
ТУИТ) 
В процессе развития теории распознавания образов выяснилось, что при построении 
систем распознавания образов распознавающих систем возникает ряд задач: 1) 
представление исходной информации об объектах распознавания; 2) выделение 
характерных признаков (свойств) из полученных исходных данных; 3) построение 
решающих правил классификации (в том числе и оптимальных), необходимых для процесса 
распознавания. Следует отметить, что задача построения решающих правил является 
центральной в проблеме распознавания образов. Анализ литературных источников 

---

281 
показывает, что в настоящее время нет единой классификации сущетвующих методов 
решения задачи распознавания, и различные авторы дают различную классификацию 
методов распознавания образов. Например, в [1] существующие методы разделяются на три 
категории: эвристические, математические и лингвистические.
В [2] все подходы к построению решающих функций разделяются на два 
направления. К первому направлению отнесены параметрические и непараметрические 
методы, а также методы аппроксимации функции распределения вероятности. Ко второму 
направлению отнесены методы, связанные с определением наилучшего алгоритма из 
некоторого семейства алгоритмов распознавания, методы определения меры сходства в 
признаковом пространстве и методы построения дерева решения.
В [3] методы распознавания классифицированы на две группы. Первая группа 
состоит из методов, основанных на операциях с признаками и которые называются 
интенсиональными методами распознавания. Методы, входящие во вторую группу, 
называются экстенсиональными методами распознавания и они основаны на операциях с 
объектами. 
Подобная классификация задач и методов распознавания с тем или иным уровнем 
детализации приведена во многих литературных источниках. Однако, на наш взгляд, одна 
из самых удачных классификаций методов распознавания принадлежит академику РАН 
Ю.И. Журавлеву, в которой выделяются модели распознавания, исходя из исторически 
сложившихся школ и направлений в данной области [4, 5]. Далее, придерживаясь этой 
классификации, несколько расширим и детализируем ее. 
1. Модели, основанные на использовании принципа разделения 
[1, 6, 7]. Во многих 
задачах описания объектов задаются наборами значений числовых признаков (объекты 
можно представить как точки в n-мерном евклидовом пространстве). Такие объекты (точки) 
могут быть разделены на классы гиперповерхностями достаточно простого вида. Эти 
модели, главным образом, различаются заданием класса гиперповерхностей, в рамках 
которого выбирается гиперповерхность (или набор гиперповерхностей) для разделения 
объектов разного класса. 
2. Статистические модели 
[6,8-10]. Данные модели в основном строятся на базе 
байесовского подхода и принципа минимакса. Байесовский подход используется в тех 
случаях, когда известны (или могут быть просто определены) вероятности того, что данный 
объект 
S
принадлежит к классу 
K
j
, в то время как принцип минимакса применяется при 
неизвестной априорной к апостериорной вероятности. 
3. Модели, построенные на принципе потенциалов 
[11-13]. В основе формирования 
этих моделей лежит так называемая потенциальная функция 
K(S,S
’
)
(
S,S
’

{
S
}, где {
S
}- 
множество допустимых объектов). В настоящее время разработано несколько 
разновидностей - моделей, которые различаются между собой выбором законов коррекции