Разработка метода направленного перебора альтернатив в задачах классификации объектов на основе теоретико-информационного подхода

Статистическая классификация играет важную роль в современных информационных системах. Среди систем классификации особенно широкое распространение в настоящее время получили системы автоматического распознавания изображений. Несмотря на широкую коммерциализацию рынка программных продуктов распознавания, интенсивность исследований в этой области отнюдь не снижается, т.к. надежность существующих решений все еще не достаточна. И связано это, прежде всего, с острейшей проблемой вариативности. Проблема точности особенно усиливается, если объем базы эталонных данных составляет тысячи единиц, что приводит, к усложнению моделей классифицируемых объектов и, как следствие, невозможности реализации существующих алгоритмов в режиме реального времени. Без применения современных моделей изображений и новых вычислительных методов их классификации данная проблема больших баз эталонов не может быть преодолена. Объектом диссертационного исследования являются вычислительные методы классификации изображений и таблиц данных в задачах с большими объёмами баз данных. Цель работы состоит в разработке методов ускорения вычислительной процедуры классификации в условиях большого количества альтернатив. На основе принципа минимума информационного рассогласования Кульбака-Лейблера и оригинальной теоретико-вероятностной модели полутонового изображения разработан новый критерий для распознавания изображений, обеспечивающий высокую точность классификации. Предложен метод направленного перебора в качестве одной из альтернатив полному перебору множества эталонов. Разработан комплекс программ, реализующий предложенный метод для автоматического распознавания изображений. Исследована возможность применения разработанного метода к другим актуальным задачам классификации (распознавание речи, планирование действий трейдера на фондовом рынке)    статистическая классификация объектов, теоретико-вероятностные модели изображений, принцип минимума информационного рассогласования Кульбака-Лейблера, вычислительные методы классификации в задачах с большими базами данных.