Разработка обучаемого классификатора состояний с множеством моделей распознавания образов

Введение. Необходимость классификации состояний рельсовых линий в условиях воздействия на чувствительный элемент датчика информации значительных возмущающих факторов с гарантированным обеспечением качества классификации при необходимой длине рельсовых линий участка контроля формирует задачу создания классификатора с расширенными функциональными возможностями. Для этого используются многомерные образы состояний с множеством информативных признаков, обучающих процедур моделей классификации. Применение классического принципа классификации с единственной моделью приводит к чрезмерному усложнению алгоритма группирования с невысокой точностью из-за неверного решения системы условных уравнений при многомерной аппроксимации многочленами Эрмита. Материалы и методы. Для решения поставленной задачи рассмотрены принципы сокращения размерности признакового пространства, процедуры обучения классификатора состояний с многомерными образами, выбора решающих правил классификации с иерархической группировкой классов, а также формирования множества моделей различной степени сложности, обученных решением несовместной системы уравнений. Благодаря применению в качестве моделей многочленов Эрмита в работе получены модели классификаторов состояний рельсовых линий различной степени сложности, используемые в адаптивном алгоритме. Результаты исследования. В статье представлены результаты формирования 57 моделей классификаторов с использованием многочленов Эрмита с признаками (аргументами) по 2, 3, 4, 5, 6. В качестве примера показана процедура формирования моделей с 2-6 признаками. Результаты исследований показали, что с увеличением количества признаков качество классификации улучшается, как при делении пространства состояний на несколько классов. Обсуждение и заключение. Результаты проведенных исследований подтверждают реализуемость принципа классификации состояний рельсовых линий множеством моделей классификации и алгоритм рекуррентного повышения сложности классификации путем использования модели повышенной сложности. Критерием предъявления новой, более сложной модели является несовпадение результатов вычисления класса i-й моделью и реальным классом, в котором находится рельсовая линия в рассматриваемый момент времени.