- •Источники информации
- •Структурные меры информации
- •Статистические меры информации
- •Количество информации и избыточность
- •Лекция №2 Квантование информации
- •Равномерная дискретизация
- •Выбор частоты отсчетов
- •Квантование по уровню
- •Лекция №3 Кодирование информации
- •Цифровое кодирование
- •Эффективное кодирование
- •Помехоустойчивое кодирование
- •Коды компьютерных интерфейсов
- •Лекция №4 Модуляция носителей информации
- •Модуляция и кодирование
- •Спектры сигналов Амплитудная модуляция
- •Частотная и фазовая модуляция
- •Спектры одиночных импульсов
- •Спектры сигналов с импульсной модуляцией
- •Лекция №5 Передача информации
- •Виды каналов передачи Механические каналы
- •Акустические каналы
- •Оптические каналы
- •Электрические каналы
- •Временное разделение
- •Фазовое разделение
- •Корреляционное разделение
- •Дискретный канал без помех
- •Дискретный канал с помехами
- •Скорость передачи информации
- •Повышение помехоустойчивости передачи и приема
- •Лекция №7 Восприятие и обработка информации Задачи распознавания, обнаружения и измерения
- •Обнаружение и распознавание
- •Характеристики качества распознавания
- •Статистические критерии обнаружения
- •Критерий минимального риска Байеса
- •Лекция №8 Общие подходы к организации локальных вычислительных систем (лвс)
- •Эталонный модуль (эм) архитектуры лвс
- •Технические средства лвс Каналы связи лвс
- •Системы передачи данных (спд) на базе электрических кабелей
- •Электромеханические ответвители
- •Системы передачи данных оптического типа Волоконно-оптические кабели
- •Оптоэлектронные преобразователи
- •Вопросы и задания для самостоятельной работы и практических занятий
- •Вариант 1
- •Вариант 2
- •Заключение
- •Библиографический список
- •Оглавление
- •3 94006 Воронеж, ул. 20-летия Октября, 84
Характеристики качества распознавания
Основными характеристиками распознавания являются ошибки распознавания и средние потери.
Например, при принимается гипотеза о наличии состояния . Вероятность правильного решения при этом , а вероятность ошибки . Средняя вероятность ошибки для всех возможных реализаций
.
Из этого видно, что зависит от выбора областей , т.е. от разбиения пространства признаков.
Если ошибки распознавания отдельных состояний неравноценны и с ними можно связать определенные потери, то для характеристики качества распознавания могут быть приняты средние потери.
Обозначим через положительное число, определяющее условные потери («штрафы») от ошибки в результате заключения состояния а, в то время как источник информации находится в другом состоянии .
При попадании в область потери составят
,
а средние потери:
,
где ‑ условные риски распознавания,
‑ средний риск распознавания.
Статистические критерии обнаружения
Ошибка может быть уменьшена, если суждение о состоянии выносится не по одному отсчету информационного параметра х, а по серии отсчетов , которую можно рассматривать как вектор-реализацию в пространстве признаков X. Статистическая связь вектора с состояниями определяется условными плотностями распределения .
Пространство признаков разбивается на две области и . Граница областей носит название «решающей поверхности». В процессе обнаружения решающее устройство определяет какой области принадлежит вектор-реализация и делает заключение о состоянии источника. В памяти решающего устройства должны храниться данные о решающей поверхности. Поскольку эта поверхность многомерна, ее задание и хранение встречает значительные трудности.
Однако этот многомерный случай можно привести к одномерному путем перехода к новой переменной, функционально связанной с вектором .
Эта переменная носит название отношения или коэффициента правдоподобия и задается соотношением
,
где ‑ многомерная плотность распределения вероятностей.
Вместо уравнения решающей поверхности достаточно запомнить одно число , с которым сравнивается текущее значение .
Если , то имеем и принимается гипотеза о наличии состояния .
Однако полученные упрощения требуют некоторого изменения процедуры восприятия. Уравнение границы
определяется соотношением
.
Критерий минимального риска Байеса
Для его использования должны быть известны
и условные потери .
Средний риск для задачи обнаружения будет
.
Уравнение решающей поверхности определяется выражением
.
Отношение правдоподобия из уравнения решающей поверхности имеет вид
.
Таким образом, в процессе обнаружения для полученного вектора подсчитывается
,
которая сравнивается с постоянной величиной .
Если , то было состояние , риск распознавания будет минимален.
В одномерном случае, когда вектор есть один отсчет параметра х, решающая поверхность представляет точку пересечения функций и (рис. 7.3).
Рис. 7.3
Критерий идеального наблюдателя (Зигерта-Котельникова)
В этом случае принимают , а значение коэффициента правдоподобия будет
.
Критерий максимального правдоподобия Фишера
При неизвестных априорных вероятностях и полагают , что предполагает .
Минимаксный критерий
Данный критерий более осторожен при неизвестных и , чем критерий Фишера.
Для каждого фиксированного ищется наихудшее распределение:
,
при котором средний риск будет максимален:
.
И для этих распределений определяется через минимизированный риск:
.
Значения и , при которых , опуская их вывод, могут быть определены из уравнений
,
.
Критерий наблюдателя Неймана–Пирсона
Средняя вероятность ошибки ( ), как у Зигерта-Котельникова:
,
где ‑ вероятность ошибки первого рода (вероятность ложной тревоги, риск заказчика),
‑ вероятность ошибки второго рода (вероятность пропуска сигналов, риск изготовителя).
Часто ошибки первого и второго рода могут привести к осуществлению различных последствий, которые невозможно отделить в виде потерь, например, когда одна из ошибок приводит к непредсказуемым катастрофическим последствиям. Такую ошибку необходимо ограничить некоторой очень малой величиной , а вторую сделать возможно меньшей .
Величина находится из выражения
.