2.4. Klaster-analizin elementləri.
Ə
vvəl olduğu kimi belə hesab edək ki, X obyektlər fəzası verilmişdir. Bu
fəzadan olan x
1
,…, x
m
obyekt qrupları da verilmişdir. Bu obyektlərin həqiqi
təsnifatı qəbaqcadan məlum olduqda, x
1
,…,x
m
-i öyrənmə çoxluğu adlandırırdıq.
Bu halda tanıma məsələsi x obyektinin öyrənmə çoxluqları ilə təqdim olunmuş
qruplardan birinə aid olunması kimi qoyulurdu. Indi məsələni mürəkkəbləşdirək.
Belə hesab edək ki, x
1
,…, x
m
obyektlərinin həqiqi təsnifləşməsi haqqında
informasiya yoxdur. Bu halda tanıma məsələsi dedikdə x
1
,…, x
m
obyektləri
çoxluğunun onların oxşarlığı üzrə qruplara bölünməsi başa düşülür. Bu məsələ
habelə, taksonomiya məsələsi, özü öyrənməklə tanıma məsələsi də adlandırılır.
Bu məsələnin həlli, başqa sözlə, x
1
,…, x
m
obyektləri təsnifatının qurulması
intuitiv olaraq obyektlərin “oxşarlığı” anlayışını formalaşdırır. Bu anlayış müxtəlif
aspektlərdə işlənə bilər və uyğun olaraq onun formalaşmasının müxtəlif yolları
mümkündür. Adətən, klaster-analizdə obyektlərin X fəzzasında nöqtələr kimi
həndəsi təsvirindən meydana çıxan “oxşarlıq” anlayışı nəzərdə tutulur. Buradan
həmin anlayışın uyğun formalaşdırılması meydana çıxır. Konkret olaraq belə hesab
edəcəyik ki, x
1
və x
2
obyektləri üçün onlar arasındakı məsafə (x
1
,x
2
) təyin
edilməlidir. Təbii olaraq məsafəsi mənasında obyektlər bir-birinə nə qədər yaxn
olarsa, onları bir o qədər oxşar hesab etmək olar. daxil etməklə biz, qeyri-aydın
şə
kildə axtarılan qrupların formalaşdırılmasına hazırlaşırıq. Aydındır ki,
“oxşarlığın” bu cür interpretasiyası ancaq o halda effektiv ola bilər ki, daxil edilən
məsafəsi baxılan konkret klaster-analiz məsələsinin məzmun tərəfinə uyğun
olsun.
Klaster –analizin hər bir konkret məsələsi üçün məsafənin seçilməsi qeyri-
formal prosedura olub, adətən klaster-analiz məsələsinin həlli sistemini
layihələşdirən şəxs tərəfindən həyata keçirilir.
Obyektlər arasında “oxşarlığın”, X obyektlər fəzasında onlar arasında məsafənin
köməyilə təyini belə nəticəyə gətirir ki, o obyektlər oxşardır ki, onlar kompakt
qruplarda yığılmış olsun. Hər bir belə qrup obyektlər bir sinif təşki edir (başqa
sözlə, bu obyektlər bir qrupa mənsubdur). Bu həm də onu müəyyən edir ki,
“oxşarlığın” baxılan interpretasiyası obyektlərin kompaktlıq fərziyyəsi mövcud
olduqda müəyyən məna kəsb edir.
Belə yanaşma və oxşarlığın təyini X fəzasında obyektlərin qarşılıqlı yerləşməsi
məlum olan qruplar haqqında informasiyanın istifadəsinə istiqamətlənməlidir.
Bununla əlaqədar, klaster-analiz məsələsinin həllini reallaşdıran alqoritm, fəzada
x
1
,…,x
2
ardıcıllığından böyük sıxlıqlı obyektlər sahəsini ayıra bilməlidir. Bu
sıxlığın az olduğu sahələri isə nəzərə almamalıdır.
Indi x
1
,…,x
m
obyektlər çoxluğunun kəsişməyən qruplara bölünməsinin bütün
mümkün müxtəlifliklərinin çoxluğuna (S) baxaq. Aydındır ki, x
1
,…,x
m
obyektlər
çoxluğunun bölünə biləcəyi qrupların maksimum sayı m-dir. Başqa sözlə, hər
qrupa bir obyekt mənsubdur. Belə bölünmədə qrupların minimum miqdarı isə 1-
dir. Başqa sözlə, bütün obyektlər bir qrupa aid edilmişdir. Aydındır ki, S
məhduddur. Əgər ilkin obyektlər çoxluğunun bölünməsi tələb olunan sinifləri
obyekt qrupları ilə eyniləşdirsək, onda alarıq ki, S x
1
,…,x
m
çoxluğu üçün klaster-
analiz məsələsinin bütün mümkün həlləri çoxluğudur. Başqa sözlə, S x
1
,…,x
m
çoxluğunun bütün mümkün təsnifləşmələr çoxluğudur. Lakin, belə həllərin böyük
ə
ksəriyyəti, göründüyü kimi «oxşar» obyektləri bir qrupa yığmır. Aydındır ki,
bütün bu həllərin içərisindən eləsini seçməliyik ki, x
1
,…,x
m
obyektlər çoxluğunun
«oxşar» qruplara bölünməsi məsələsini müəyyən mənada yaxşı həll etmiş olsun.
Bu o deməkdir ki, klaster-analiz məsələsinin hər bir həllini müqayisə etməyə
imkan verən müəyyən ədədi qiymət funksionalı J verilməlidir. Sonra isə onu
ekstremuma çatdıran həll axtarılmalıdır. Belə funksionalın seçilməsi də qeyri-
formal əməliyyat olub, aprior məlumatlar və şəxsi təcrübə əsasında, klaster-analiz
məsələsinin həlli sisteminin layihələndiricisi tərəfindən həyata keçirilə bilər.
Beliliklə, klaster-analiz məsələsinin həllini reallaşdıran alqoritmə, S məhdud
həllər çoxluğundan ekstremal həllin (J funksionalı mənasında) seçilməsi alqoritmi
kimi baxmaq olar. Başqa sözlə, klaster-analiz məsələsi dedikdə, verilmiş x
1
,…,x
m
obyektlər ardıcıllığının ekstremal (J funksionalı mənasında) bölgüsünün axtarışı
məsələsini nəzərdə tuturuq.
Qeyd edək ki, funksional kimi eyni qrupa mənsub edilən obyektlər arasındakı
orta məsafə qəbul edilir və onu bütün qruplar üzrə cəmləyirlər. Bu halda J
funksionalını minimumlaşdıran həll axtarılır. Bəzən müəyyən aprior informasiyalar
klaster-analiz məsələsinin həllinin iyerarxik qurulmasının zəruriliyi barədə nəticə
çıxarmağa imkan verir.
2.5. Tanımanın struktur metodları.
Bir sıra tanıma məsələlərində təsnifləşdirmə nöqteyi-nəzərindən vacib
informasiya, obyektlər arasındakı quruluş (struktur) münasibətlərində, habelə
obyektin öz quruluşunda ifadə olunur. Belə məsələlərin tipik nümunəsi müşahidə
obyektlərinin tanınması, fotoşəkillərin identifikasiyası və s. ola bilər.
Belə məsələlər üçün xarakterik cəhət ondan ibarətdir ki, müxtəlif qruplara
mənsub olan tanıma obyektləri ixtiyari şəkildə yerləşə bilər. Başqa sözlə, bu
obyektləri əhatə edən müəyyən struktur mövcud olur. Bundan başqa obyektlərin
özü, ixtiyari şəkildə deyil, müəyyən sxemə uyğun olaraq elementar hissələrdən
təşkil olunur, müəyyən quruluşa malik olur. Şəkil 2.1 də müxtəlif qruplara mənsub
olan iki obyekt D və E təsvir edilmişdir.
Burada N arxa divar, M isə obyektlərin qoyulduğu döşəmədir. D obyektinin L
və T üzləri görünür. L üzü düzbucaqlı, T üzü isə üçbucaq şəklinə malikdir. E
obyektinin isə X, U və Z üzləri görünür. Bütün üzlər düzbucaqlıdır.
Bütövlükdə şəkilin strukturluğu ondan ibarətdir ki, D və E obyektləri bir-birinə,
N divarına və M döşəməsinə nisbətən müəyyən şəkildə yerləşir. D obyektinin
strukturluğu onun düzbucaqlı və üçbucaq formalı üzlərdən, E obyektinin
strukturluğu isə onun düzbucaqlı üzlərdən ibarət olamsıdır.
Analoji vəziyyətləri şəkillərin identifikasiyasında, barmaq izlərinin, səlis nitqin
və s. tanınmasında da tapmaq olar. Baxılan qrup məsələlər üçün obyektlər
fəzasının ölçüsü olduqca böyükdür. Bu adi tanıma metodlarının istifadəsini
çətinləşdirir. Bu isə mürəkkəb obyektin daha sadə alt obyektlərin iyerarxiyası
vasitəsilə əks olunması ideyasını cəlbedici edir. Çünki, bu halda tanıma
obyktlərinin fəzada nöqtələr şəklində təsvirindən imtina olunur. Məsələn,
yuxarıdakı nümunə üçün iyerarxik struktur şəkil 2.2 də göstərilmişdir.
Obyektlərin daha sadə altobyektlərdən istifadə etməklə iyerarxik struktur
şə
klində təsvirinə tanıma nəzəriyyəsində struktur yanaşma nəzəriyyəsi deyilir. Bu
yanaşma obyektlərin quruluşu və dilin sintaksisi arasındakı uyğunluğa əsaslanır.
Bu yanaşma çərçivəsində belə hesab edilir ki, cümlələr sözlərin birləşməsi yolu ilə
qurulduğu, sözlər isə hərflərdən ibarət olduğu kimi obyektlər də altobyektlərin
müxtəlif şəkildə birləşməsindən əmələ gəlir. Belə yanaşmanın əhəmiyyətli olması
üçün sadə altobyektlərin tanınması obyektin özünün tanınmasına nisbətən asan
olmalıdır.
Qeyd edək ki, alt obyektlərin tanınması struktur metodlarla deyil, adi tanıma
metodları ilə həyata keçirilməlidir. Alt obyektlərin və onların birləşməsi
ə
məliyyatlarının yığımı formasında obyektlərin struktur təsvirini təmin edən dili –
obyektlərin təsviri dili adlandırırlar. Alt obyektlərin kompozisiya qaydası adətən
obyektlərin təsviri qrammatikası ilə verilir. Obyektin hər bir alt obyektinin
identifikasiyasından sonra tanıma prosesi sintaksis təhlilin icrası, başqa sözlə,
obyekti təsvir edən alt obyektlər zəncirindən ibarət cümlənin qrammatik
araşdırılması ilə başa çatır. Bu prosedura «cümlənin» verilmiş obyekt
qrammatikasına nisbətdə sintaksis düzgün olub-olmamasının yoxlanmasından
ibarətdir ki, bu da «cümlənin» qruplardan birinə aid edilməsinə imkan verir.
Tanımaya struktur yanaşma mürəkkəb obyektlərin böyük çoxluğunu sadə alt
obyektlərin kiçik yığımı və qarmmatika qaydasından istifadə etməklə təsvir etməyə
imkan verir. Qrammatik qaydanı (bu halda, yerləşmə qaydasını) ixtiyari sayda
təkrar istifadə etmək olar. Beləliklə də, sadə obyektlərin zəncirindən ibarət sonsuz
sayda cümləni müəyyən struktur xüsusiyyətlərinin kompakt ifadəsi kimi təsvir
etmək mümkün olur. Aydındır ki, belə yanaşmanın praktiki qiyməti bütövlükdə
altobyektlərin və onların qarşılıqlı əlaqəsinin tanınması qabiliyyətindən asılıdır.
Adətən, alt obyektlər arasında qarşılıqlı əlaqələr məntiqi və hesabi əməliyyatlarla
təyin edilir.
Struktur tanıma sistemini üç əsas hissədən ibarət hesab etmək olar. Birinci hissə
obyektin qabaqcadan tədqiqi blokudur. Burada obyektin gələcək tədqiq üçün
ə
lverişli şəkildə kodlaşdırılması, approksimasiyası həyata keçirilir. Lazım gəldikdə
olmayan (təhrif olunmuş) informasiyaoarın bərpası və gücləndirilməsi, mövcud
informasiyaların sıxılması və təmizlənməsi, başqa sözlə, daha kompakt şəkildə
təsviri təmin edilir.
Ikinci hissə hər bir qabaqcadan tədqiq edilmiş obyekti diləbənzər quruluş
şə
klində, məsələn, sadə elementlər sətri şəklində təsvir edir. Bu proses, birincisi,
qabaqcadan təsvir edilmiş obyektin seqmentləşdirilməsindən, ikincisi isə sadə
elementlərin ayrılmasından ibarətdir.
Seqmentləşdirmə, obyektin altobyektlərinin iyerarxiyasının təsviri deməkdir.
Sadə elementlərin ayrılması isə onların identifikasiyası və habelə, onlar arasındakı
münasibətlərin identifikasiyasıdır. Hər bir qabaqcadan tədqiq edilmiş obyekt,
altobyektlərə və sadə elementlərə qabaqcadan razılaşdırılmış əməliyyatlar əsasında
(məsələn, konkatenasiya əməliyyatı) seqmentləşdirilir. Sadə elementlər də
qabaqcadan seçilir.
Struktur tanıma sisteminin üçüncü hissəsi sistemin ikinci hissəsində alınan
diləbənzər strukturun sintaksis (struktur) təhlilini (qramatik araşdırma) həyata
keçirir. Başqa sözlə, bu hissədə obyektin diləbənzər struktur təsvirinin sintaksis
düzgün olub-olmaması haqqında qərar qəbul edilir. Sintaksis (qramatika)
ə
vvəlcədən verilir. Əgər təsvir sintaksis düzgündürsə, onda obyekt verilmiş
qramatika (sintaksis) ilə təsvir olunan obyektlər qrupuna aid edilir. Əks halda isə
obyekt baxılan obyektlər qrupuna aid edilmir. Beləliklə, struktur tanıma sisteminin
üç əsas hissəsinin ardıcıl işinin nəticəsi sistemin girişinə verilmş obyektin
təsvirləşdirilməsindən, başqa sözlə, tanıma məsələsinin həllindən ibarət olur.
Qeyd edək ki, struktur tanıma sisteminin işi zamanı obyektin sadə
elementlərinin və obyektlər qrupu qramatikasının qabaqcadan verilməsi nəzərdə
tutulur. Bu iki element həqiqi təsnifləşməsi məlum olan məhdud obyektlər
ardıcıllığının öyrənilməsi əsasında əldə edilir. Bu obyektlər ardıcıllığı öyrənmə
çoxluğu adlanır. Belə hesab edək ki, öyrənmə obyektləri ardıcıllığı verilmişdir.
Öyrənmə çoxluğunda verilmiş müxtəlif qruplar üçün sadə elementlərin seçilməsi
və qramatika çıxarışı prosesinə struktur tanıma sisteminin öyrənmə prosesi kimi
baxmaq olar.
Sadə elementlərin seçilməsi obyektin təbiətindən, sistemin reallaşdırılması üçün
istifadə edilən texniki vasitələrdən güclü surətdə asılıdır. Sadə elementlərin
aşağıdakı xüsusiyyətlərə malik olması tələb olunur:
Sadə elementlər, struktur əməliyyatlarının (məsələn, konkatenasiya əməliyyatı)
köməyilə obyektin kompakt və adekvat təsvirinin təmin edilməsi üçün obyektin
ə
sas elementlərini əhatə etməlidir;
Sadə elementlər ayrılıb adi tanınma metodları ilə tanınmalıdır.
2.6. Mə ntiqi proqramlaş dırma.
1972-ci ildə Marseldə «məntiqi proqramlaşdırma» dilinin ilk variantı (versiyası)
hazırlanmışdır. O, PROLOQ adlanır. Bu dil riyazi məntiq üzrə mövcud nəzəri
işlərə əsaslanaraq yaradılmışdır. Onun istifadə sahələri uzun müddət süni intellekt
üzrə müəyyən mütəxəssislərə məlum idi. Ancaq 1982-ci ildə Yaponiyada süni
intellekt üzrə məşhur konfransdan sonra dünyada kifayət qədər məlum oldu və
beşinci mərhələ EHM-lərin qurulmasının əsası kimi seçildi. Onun istifadə sahələri
arasında təbii dildə mətnlərin işlənməsini, problem həlli, işarə hesablamalarını və
habelə idarəetmə və tənzimləmə məsələlərini qeyd etmək olar. Proqramçı üçün
PROLOQ dilində yenilik, «mühakimələrin məntiqi» xüsusi ifadəsinin işlənməsidir.
Onlar proqramçıya diqqətini tamamilə problem üzərində cəmləşdirməyə imkan
verir. O, məntiqi-mühakimə ifadələrinin işlənməsi üçün EHM-in hansı alqoritmlər
istifadə etdiyi barədə praktiki olaraq fikirləşmir.
Proloq proqram, fakt və qaydalardan ibarətdir ki, bu, ekspert sistemlər də daxil
olmaqla bilik bazasına əsaslanan sistemlərlə işə uyğundur. Qayda- faktlar haqqnda
fikir olub, PROLOQ dilində mühakimələr məntiqinin tam müəyyən edilmiş xüsusi
formasında yazılır. Proloq dilində proqramı təşkil edən fakt və qaydalar çoxluğu
bilik bazası adlanır. Bu dildə proqram problemin həlli məqsədi daşıyır ki, buna da
istifadəçinin proqrama və ya fakt və qaydaların köməyilə yazılmış biliklərə sualları
nəticəsində nail olunur. Bu zaman verilən suallara fərziyyə kimi baxılır. Bu
fərziyyələrin bilik bazasında mövcud olan biliklər əsasında nəticə kimi alına
bilməsi mümkünlüyü yoxlanılır.
PROLOQ dilində proqramın yararlılığının təbii şərti ondan ibarətdir ki, heç
olmasa bir ədəd verilmiş problemə aid olan fakt və qaydaların qarşılıqlı əlaqəsini
ə
ks etdirən quruluş tapmaq mümkün olsun. Bu proqramlaşdırma mühakimələrin
məntiqi ifadələri əsasında qeyri-alqoritmik proqramlaşdırmaya gətirib çıxarır. Bu
fərq həm də ondan ibarətdir ki, «necə» yazısı daha az və «nə» yazısı həlledici
dərəcədə çox olur. Bu, PROLOQ dilinin PASKAL və BEYSIK kimi alqoritmik
dillərdən prinsipial fərqidir. PASKAL dilində yazılmış proqram məsələnin həllinin
EHM-də başa düşülən alqoritmi olub, proqramlaşdırmadan əvvəl proqramçının
beynində mövcud olur. PROLOQ dilində isə məsələ tam başqa cür qoyulur. Bu
dildə yaradılmış ekspert sistemlər problem hadisəsinin təsviri əsasında həll
alqoritmi formalaşdıra bilər və sonra onu sınaqdan çıxmış həll üsulu kimi
istifadəçiyə təqdim edər.
Proloq dili mühakimələr məntiqinə əsaslanır. Mühakimələr məntiqi dəqiq
qramatika əsasında qurulmuşdur. Bu məntiqə və fikir- təklif hesablamaları
məntiqinə qısaca baxaq.
Terminin özündən göründüyü kimi təklif hesablamaları məntiqi təkliflərlə
(mühakimələrlə) əməliyyat aparır. Bu zaman formal olaraq məntiqi fikirlərə hərflər
(adətən,p, q, r) uyğunlaşdırılır və təkliflərin özünün məntiqi işlənməsi bu hərflərin
işlənməsi ilə əvəz edilir.
Təkliflərin interptetasiyası zamanı onlar müəyyən həqiqilik dərəcəsinə malik
olur. Əgər fikir formal olaraq düzdürsə, onda deyirlər ki, o «həqiqi» qiymət alır,
ə
ks halda isə qiymət «yalan» olur. «H» və «Y» işarələri həqiqilik qiymətləri
adlanır.
Mürəkkəb təkliflərin həqiqilik dərəcəsi formal yolla həqiqilik cədvəlləri
ə
sasında müəyənləşdirilə bilər. Bu zaman konkret olaraq hansı təkliflərin
araşdırılması tamamilə əhəmiyyətsizdir. Mürəkkəb təklifin həqiqilik dərəcəsini
müəyən etmək üçün onun tərkibində olan sadə təkliflərin həqiqilik dərəcəsini
bilmək kifayətdir. Məsələn, inkar məntiqi əlaqəsi üçün həqiqilik cədvəli ədalətlidir.
R təklifi həqiqi olarsa, onda onun inkarı yalandır və əksinə. P və q mürəkkəb
təklifi, ancaq o halda həqiqidir ki, p və q təlkiflərinin hər ikisi doğru olsun.
Q mürəkkəb təklifi ancaq o halda yalandır ki, z doğru q yalan olsun.
Bir sıra həqiqi təkliflər əsasında yeni doğru təklif almaq üçün çıxarışların
formalaşdırılmasının müəyyən qaydaları tərtib edilir. Belə qaydaya misal traditsion
məntiqin konyunksiya əməliyyatı ola bilər.
Başqa bir misal deduktiv çıxarış qaydası (modus ponens) ola bilər. Bu çıxarışa
görə müəyyən təklif o halda doğrudur ki, o doğru təkliflərdən çıxarılmış olsun.
Məntiqi proqramlaşdırma dili PROLOQ müxtəlif ölkələrdə sünii intellekt üzrə
aparılan tədqiqatlarda daha da inkişaf etdirilmişdir.
2.7. Dağınıq çoxluqlar nəzəriyyəsinin obyektlərin tanınmasına tətbiqi.
Dağınıq çoxluqlar nəzəriyyəsi çərçivəsində obyektlərin tanınması [3]
məsələsinə qapalı (məlum olmayan) tanıma alqoritminin açıq (məlum olan)
alqoritmə çevrilməsi kimi baxmaq olar. Bir qədər də aydınlaşdırılmış şəkildə
desək, tutaq ki, U
0
- mümkün obyektlər, R
op
-F qeyri səlis alt çoxluğunu U
0
çoxluğunda təyin edən qapalı alqoritmdir. Onda obyektlərin tanınmasını R
op
qapalı
tanıma alqoritminin R
tr
açıq tanıma alqoritminə çevrilməsi prosesi kimi təyin
etmək olar (R
op
– nin U
0
–da ancaq bir alt çoxluğu təyin etməsi sadəlik üçün qəbul
edilir. Həqiqətdə belə coxluqlar çox F
1
F
2
,….,F
n
ola bilər və R
op
p obyektinin bu alt
çoxluqlardan hər birinə mənsubiyyət dərəcəsini verir).
Aydınlıq üçün aşağıdakı tipik məsələyə baxaq. Tutaq ki, U
0
– əlyazma hərflərin
bütün mümkün variantlarıdır və p hərfi P şəxsinə göstərildikdə o, R
op
qapalı
alqoritmini istifadə edərək, o hərfin p hərfinə mənsubiyyət dərəcəsini
F
(p) təyin
edə bilir. Bunu formal yazsaq alarıq.
F
(p) = Rop (p)
U-dan olan p-üçün.
Adətən P, p1 …, pm etalon hərflərinin sonlu çoxluğundan ibarət olur ki R
op–
ninp
1
,…, p
m
-ə tətbiqi nəticəsində
{
}
)
P
(
P
(
)),...,
P
(
,
p
(
m
F
m
1
F
1
µ
µ
cütlər çoxluğu yaranır.
Bu isə qeyrisəlis çoxluq terminləri ilə aşağıdakı kimi ifadə edilə bilər.
m
m
F
i
F
F
P
P
P
P
S
)
(
....
)
(
1
µ
µ
+
+
=
Burada SF –lə F-ə mənsib olan etalonların qeyri səlis çoxluğu ifadə edilmişdir.
i
i
F
P
)
P
(
µ
, i = 1,…, misə qostərir ki,
)
P
(
i
F
µ
p i –nin F-ə mənsubiyyət dərəcəsidir.
Ə
qər SF – i bilərək Rop qapalı alqoritmini Rtr açıq alqoritminə çevirmək
mümkündürsə, onda ixtiyarı p-yə Rtr –i tətbiq edərək
)
Р
(
Ф
µ
ni almaq olar. Başqa
sozlə, bu çevirməyə p1 , …, pm nöqtələrində məlum qiymətlərə əsasən F-ə mənsub
olma funksiyasının informasiya prosesi kimi baxmaq olar.
Tanıma nəzəriyyəsinin aydın ifadə edilməyən, lakin çox vacib məqsədi ondan
ibarətdir ki, tanıma prosesi o mənada avtomatlaşdırılmalıdır ki, o insan tərəfindən
deyil maşın tərəfindən icra edilsin.
Bunun üçün R
tr
açıq alqoritmi p-nin özünə deyil, M(p) riyazi alqoritminə təsir
etməlidir. Buna görə də obyekt maşınla işlənmək üçün yaxşı təyin edilməlidir.
Daha konkret desək, tutaq ki, U
0
bütün mümkün obyektlərdir, M-ölçmə
prosedurası isə U
0
–dan olan ixtiyarı p obyektinə U –dan olan M(p) riyazi
obyektini aid edir. F U
0
–un Rop qapalı alqoritmi ilə təyin edilən alt çoxluğudur
),
p
(
R
=
)
P
(
op
F
µ
P
U
0
M(p) riyazi obyektinə təsir etməklə
)
p
(
F
µ
-nin alınmasını təmin edən açıq
alqoritmi R
tr
–lə işarə etsək, onda avtomatlaşdırılmış tanıma təsələsini elə M və R
tr
–
in tapılması kimi formalaşdırmaq olar ki,
)
(
)
(
p
R
p
op
F
=
µ
)
(
))
(
(
p
R
p
M
R
op
tr
=
,
P
U
0
Beləliklə, obyektlərin avtomatlaşdırılmış tanınması məsələsi iki altməsələni
özündə birləşdirir: a) p obyektinin M(p) riyazi obyektinə çevrilməsi; v) p-yə təsir
edən R
op
qapalı alqoritminin M(p) –yə təsir edən açıq alqoritmə çevrilməsi. (a)
məsələsi daha mürəkkəbdir; obyektlərin tanınmasına adi qeyri səlis yanaşmada
parametrlərin təhlili məsələsi ilə sıx əlaqəlidir və tanıma nəzəriyyəsinin nisbətən
pis təyin edilmiş və hazırlanmış sahəsidir.
Qeyd etmək lazımdır ki, praktiki nöqteyi nəzərdən arzu olunur ki:
1) M(p) az miqdar xüsusiyyətlərlə təyin edilsin;
2) bu xüsusiyyətlərin ölçülməsi nisbətən asan olsun.
Bunları nəzərə alsaq obyektlərin tanınması məsələsini aşağıdakı kimi
formalaşdırmaq olar.
U
0
–da p obyektlərinin dağınıq çoxluqunu təyin edən Rop qapalı tanıma
alqoritmi verilmişdir.
Mə sə lə 1.
U
0
–dan olan p obyektini
{
}
)
P
(
M
)...
p
(
M
=
)
p
(
M
n
n
1
1
riyazi obyektinə
çevirən mümkün qədər sadə ölçmə proseduralarının mümkün qədər kiçik yığımını
göstərin.
Məsələ 2.
Rop alqoritmini elə Rtr açıq alqoritminə çevirin ki, o M(p)-yə təsir
etdikdə alınmış P-nin F-ə mənsubiyyət dərəcəsi Rop ilə eyni olsun.
Tanıma məsələsinin baxılan formulirovkasi riyazi dəqiq deyil. Bu qismən
onunla əlaqədardır ki, obyekt anlayışının dəqiq təyini mümkün deyil. Buna görə də
M1, …, Mn funksiyalarına ümumi qəbul edilmiş riyazi mənada baxmaq olmaz.
Bundan başqa
)
P
(
R
=
))
p
(
M
(
R
op
tr
P
U
0
bərabərliyi dəqiq ödənmədiyi üçün obyektlərin tanınması məsələsinin dəqiq həlli
mümkün deyil. Tanıma məsələlərinin qeyridəqiqliyinin əlavə mənbəyi tanımanın
açıq alqoritminin keyfiyyətinin qiymətləndirilməsinin mürəkkəbliyidir.
Yuxarıda göstərilən bütün qeydlərin əsas mənası ondan ibarətdir ki, obyektlərin
tanınması məsələsini mahiyyət etibarı ilə riyazi dəqiq formalaşdırmaq qeyri
mümkündür. Bu səbəbdən də dağınıq çoxluqlar nəzəriyyəsinin anlayışlarının
quruluşu tanıma məsələsinin qoyuluşu həlli üçün klassik çoxluqlar nəzəriyyəsi,
ehtimal nəzəriyyəsi və ikiqiymətli məntiqə nisbətən daha təbii ola bilər.
|