Artykuł poświęcono algorytmom konstruowania logicznych drzew klasyfikacji. Większość tych algorytmów z reguły sprowadzają się do zbudowania jednego drzewa klasyfikacyjnego na podstawie stałej próby uczącej. Należy zauważyć, że niewiele algorytmów budowania drzew klasyfikacyjnych dla prób treningowych o dużej objętości. Oczywiste jest, że mają one obiektywne czynniki związane ze specyfiką generowania takich struktur, metodami pracy z nimi i ich przechowywania. W niniejszym artykule autorzy skupiają się na opisie algorytmu konstruowania drzew klasyfikacyjnych dla dużego zbioru uczącego i wskazują możliwość jednolitego opisu stałej klasy drzew rozpoznawczych. Prosta, skuteczna i ekonomiczna metoda budowy logicznego drzewa klasyfikacyjnego dla danej próby uczącej pozwala na zapewnienie niezbędnej szybkości i stopnia złożoności schematu rozpoznawania, co gwarantuje proste i kompletne rozpoznawanie obiektów dyskretnych.
Słowa kluczowe:
zadania rozpoznawania obrazów, logiczne drzewo, schematy modeli rozpoznawania, system rozpoznawania
Bibliografia
Povhan I.: General scheme for constructing the most complex logical tree of classification in pattern recognition discrete objects. Electronics and information technologies 11/2019, 112–117.
Quinlan J.R.: Induction of Decision Trees. Machine Learning 1/2008, 181–222.
Vasilenko Y.A, Kuhayivsky A.I, Papp S.A.: Construction and optimization of recongnizing systems. Information Technologies and Systems 1(T2)/1999, 122–125.
Vasilenko Y.A., Vashchuk F.G., Povhan I.F.: Overall assessment of minimization of logical tree. European Journal of Enterprise Technologies 1(55)/2012, 29–33.
Vasilenko Y.A., Vashchuk F.G., Povhan I.F.: The problem of estimating the complexity of the logic trees, recognition and general method optimization. European Journal of Enterprise Technologies 6/4(54)/2011, 24–28.
Vtogoff P.E.: Incremental Induction of Decision Trees. Machine Learning 4/2009, 161−186.
Zheng Z., Kohavi R., Mason L.: Real world performance of association rule algorithms. Proceedings of the Seventh ACM SIGKDD International Conference on Knowledge Discovery and Data Mining 2008, 401–406.