Preview

Доклады БГУИР

Расширенный поиск

Фильтрация гистограммной оценки плотности вероятности на основе нечеткой принадлежности интервалу группирования

https://doi.org/10.35596/1729-7648-2021-19-4-13-20

Аннотация

В работе предложена гистограммная оценка плотности вероятности на основе нечеткой принадлежности данных интервалу группирования. Приведена методика построения гистограммной оценки с применением гистограммного сглаживающего фильтра. Описана методика построения такого фильтра. Установлен основной параметр фильтра – коэффициент статистической взаимосвязи между количеством данных, попавших в интервал группирования при единичной функции включения и при подходе с использованием функции принадлежности. Применение итерационной процедуры для гистограммного фильтра позволяет обеспечить большую «сглаженность» гистограммы. Результаты моделирования показывают эффективность применения гистограммного фильтра для разных объемов данных. При этом становится некритичным выбор числа интервалов группирования для «правильного» распознавания плотности вероятности. Гистограммный фильтр является простым инструментом, который легко может быть встроен в любой алгоритм построения гистограммных оценок.

Об авторах

А. В. Овсянников
Белорусский государственный университет
Беларусь

Овсянников Андрей Витальевич, к.т.н., доцент, доцент кафедры информационных  технологий

220030, Республика Беларусь, г. Минск, пр. Независимости, 4
тел. +375-17-209-58-94



В. М. Козел
Белорусский государственный университет информатики и радиоэлектроники
Беларусь

к.т.н., доцент, доцент кафедры информационных радиотехнологий 

г. Минск



Список литературы

1. Орлов Ю.Н. Оптимальное разбиение гистограммы для оценивания выборочной плотности функции распределения нестационарного временного ряда. Препринты ИПМ им. М.В. Келдыша. 2013;14:26.

2. Chong Gu, Yongho Jeon and Yi Lin. Nonparametric density estimation in high-dimensions. Statistica Sinica. 2013;23:1131-1153.

3. Орлов А.И. Новая парадигма прикладной статистики. Заводская лаборатория. Диагностика материалов. 2012;78(11).

4. Devroye L. and Gyorfi L. Nonparametric Density Estimation: The L1 View. New York: John Wiley Sons; 1985.

5. Gonzalez R. Digital Image Processing, 3rd. Pearson Hall; 2008.

6. Solomon C.J., Breckon T.P. Fundamentals of Digital Image Processing: A Practical Approach with Examples in Matlab. Wiley-Blackwell; 2010. DOI:10.1002/9780470689776.

7. Gonzalez R. Digital image processing. New York, NY: Pearson; 2018.

8. Овсянников А.В. Применение стохастических формирующих фильтров. Germany, KG, Saarbrücken: LAP LAMBERT Academic Publishing, OmniScriptum GmbH & Co; 2017.

9. Bernd J. Digital Image Processing (6 ed.). Springer Berlin Heidelberg New York; 2005.

10. Chakravorty Pragnan. What is a Signal? [Lecture Notes]. IEEE Signal Processing Magazine. 35 (5):175-177. DOI: 10.1109/MSP.2018.2832195.


Рецензия

Для цитирования:


Овсянников А.В., Козел В.М. Фильтрация гистограммной оценки плотности вероятности на основе нечеткой принадлежности интервалу группирования. Доклады БГУИР. 2021;19(4):13-20. https://doi.org/10.35596/1729-7648-2021-19-4-13-20

For citation:


Ausiannikau A.V., Kozel V.M. Filtration of histogram evaluation of probability density based on fuzzy data accessibility to a grouping interval. Doklady BGUIR. 2021;19(4):13-20. (In Russ.) https://doi.org/10.35596/1729-7648-2021-19-4-13-20

Просмотров: 669


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1729-7648 (Print)
ISSN 2708-0382 (Online)