Математическая модель интегрального критерия классификации и алгоритм формирования его графического представления

Актуальность и цели. Важнейшим методом научного исследования является классификация. Особую сложность представляет задача классификации объектов с гетерогенным пространством информационных признаков, которая на данный момент не имеет унифицированного решения. При этом важно учитывать зависимость результатов классификации от выбранной точки зрения на предметную область – критерия, который определяет состав и типологию значимых признаков рассматриваемых объектов. Целью работы является математическая и алгоритмическая формализация процесса выработки критериев классификации, а также разработка единого формата представления информационных признаков объекта, независимо от их типа, состава и полноты. Это позволит свести задачу классификации к единому автоматизированному процессу – хорошо управляемому, наглядному, поддающемуся машинному обучению и инвариантному к специфике предметной области. Материалы и методы. Раскрываются основные проблемы традиционных подходов к решению задачи классификации в условиях динамичности точек зрения на предметную область. Методологической основой работы является теория множеств, методы машинного обучения, нейронные сети, растровая компьютерная графика. Результаты. Предложены концепция и формализованное теоретико-множественное представление интегрального критерия классификации, позволяющего алгоритмизировать вы- бор точек зрения на исследуемую предметную область. Критерии классификации определяют состав значимых признаков объекта. Для его унифицированного представления разработан единый формат в виде растрового графического изображения – графо-хроматической карты, а также алгоритм формирования таких карт. Выводы. Предлагаемый подход существенно упрощает процедуру распределения гетерогенных объектов по классам за счет ее приведения к хорошо изученной и отработанной задаче машинного обучения – классификации растровых графических изображений. Формализация интегрального критерия классификации позволяет быстро и удобно задавать различные точки зрения на предметную область, представляя их в виде кортежей данных. Алгоритм формирования графо-хроматических карт обеспечивает получение растровых изображений единого размера и формата для подачи на вход предобученного нейросетевого классификатора. При этом при изменении точки зрения на предметную область (при изменении числа и состава значимых признаков объектов) не потребуется менять структуру классификатора или производить его переобучение.