© 2012 г. А. С. Потапов, доктор техн. наук
Cанкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики, Санкт-Петербург
E-mail: pas.aicv@gmail.com
Проведен анализ необходимости одновременного использования многих представлений информации в системах обработки и анализа изображений. Исследовано различие между критериями Колмогоровской сложности и алгоритмической вероятности при решении задач индукции и принятия решений. Показано, что принятие оптимальных решений (например, в задачах распознавания или прогнозирования) требует использования многих представлений информации, в рамках которых конструируются альтернативные описания изображений. Выведен критерий репрезентационной алгоритмической вероятности для определения оптимального набора представлений по заданной выборке изображений.
Ключевые слова: анализ изображений, представление информации, теория информации, алгоритмическая сложность.
Коды OCIS: 150.1135
УДК 004.932, 004.855
Поступила в редакцию 29.05.2012
ЛИТЕРАТУРА
1. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов. М.: Радио и связь. 1987. 400 с.
2. Потапов А.С. Выбор представлений изображений на основе минимизации репрезентационной длины их описания // Изв. вузов. Приборостроение. 2008. Т. 51. № 7. С. 3–7.
3. Ковалевский В.А. Локальные и глобальные решения в распознавании изображений // ТИИЭР. 1979. Т. 67. № 5. С. 50–58.
4. Solomonoff R.J. Does Algorithmic Probability Solve the Problem of Induction? // Oxbridge Research, P.O.B. 391887, Cambridge, Mass. 02139. 1997.
5. Solomonoff R.J. Algorithmic Probability, Heuristic Programming and AGI // Proc. 3rd Conf. on Artificial General Intelligence (AGI-2010), Lugano, Switzerland. March 5–8, 2010. P. 151–157.
6. Poland J., Hutter M. MDL convergence speed for Bernoulli sequences // Statistics and Computing. 2006. V. 16. P. 161–175.
7. Bauer E., Kohavi R. An Empirical Comparison of Voting Classification Algorithms: Bagging, Boosting, and Variants // Machine Learning. 1999. V. 36. P. 105–139.
8. Potapov A.S. Synthetic pattern recognition methods based on the representational minimum description length principle // Proc. OSAV’2008, The 2nd Int. Topical Meeting on Optical Sensing and Artificial Vision, St. Petersburg, Russia. 12–15 may, 2008. P. 354–362.
9. Schapire R.E., Freund Y., Bartlett P., Lee W.S. Boosting the margin: a new explanation for the effectiveness of voting methods // Annals of Statistics. V. 26. № 5. P. 1651–1686.
