Ноябрь 17th, 2014
Чаще всего анализ РН начинается с его сегментации и изучения определенного класса ОН. Такую же задачу решают покупатели при поиске нужного объекта. Для формирования нужного множества создадим LVQ — сеть. Предварительно выполним подготовительные операции. Случайным образом из генеральной совокупности (первые 50 образов из табл. A.6) формируем представительскую выборку P из пяти элементов. Покупатель определяет приемлемость для себя каждого из этих ОН. Если объект удовлетворяет интересам клиента или принадлежит множеству, среди элементов которых он желает осуществить выбор, то относим его к первому классу, если нет- ко второму. Классы ОН записываем в вектор ETA.
Для создания LVQ-сети и реализации функции ее обучения с помощью метода LEARNINGNN зададим параметры с помощью метода SETLVQNN таким образом. Обозначим minmax(p) и сформируем матрицу, которая содержит минимальные и максимальные значения факторов в представительской выборке; количество кластеров, которое необходимо для предварительной обработки данных, зададим равным шести; установим, что среди элементов генеральной совокупности отношение количества ОН с нужными характеристиками к количеству всех остальных составляет от 0,2 до 0,8.
Выполним обучение сети, сущность которого заключается в том, чтобы найти группы векторов, расстояния между которыми меньше, чем расстояния до соседних групп. Расстояния определяются по метрике Минков-ского, значения параметров которой равно двум. При этом используется алгоритм средней связи, для которого расстоянием между кластерами считается среднее значение двух расстояний: минимального и максимального между объектами из различных кластеров.
Для того, чтобы проверить правильность выполнения процедуры обучения, выполним тестирования сети на обучающих образах с помощью метода USINGLVQNN. Убедившись в том, что элементы полученного вектора D и вектора ETA совпадают, переходим к следующему шагу. Если это не так, то процедуры LEARNINGNN и SETLVQNN необходимо повторить, увеличив количество циклов обучения. Для наших данных такую процедуру проводить нет необходимости, поскольку элементы векторов совпали (2 1 2 2 2). Полученную сеть используем для определения принадлежности к нужному классу ОН из генеральной совокупности. Для этого подаем на ее вход вектор генеральной совокупности и получаем распределение по классам.
