Спосіб відбору зразків для побудови діагностичних моделей виробів

Спосіб відбору зразків для побудови діагностичних моделей виробів, який полягає в тому, що вихідну вибірку даних, яка містить значення ознак зразків виробів та співставлені їм Винахід відноситься до кібернетики й обчислювальної техніки і може бути використаний для прискорення побудови, спрощення структури та підвищення ефективності діагностичних моделей виробів промисловості шляхом відбору найбільш цінних зразків для побудови моделей Відомий спосіб розбиття вихідної вибірки даних, який обрано за прототип, полягає в тому, що вихідну вибірку зразків виробів, яка містить значення ознак виробів та їхні номери класів, розподіляють на дві частини (навчальну та тестову вибірки) простим ЛІНІЙНИМ розбиттям Це дозволяє при побудові діагностичних моделей використовувати менше даних ніж у ВИХІДНІЙ вибірці і тим самим прискорити процес побудови моделі та спростити и структуру [1] Недоліками відомого способу є низький рівень репрезентативності отриманих навчальної та тестової вибірок по відношенню до вихідної, і, як наслідок, низька точність та недостатня адекватність моделі, побудованої на основі навчальної вибірки, а також невисока надійність та точність перевірки побудованої моделі для тестових даних Це зумовлюється тим, що при лінійному розбитті зразки вихідної вибірки, які знаходяться у вузлових точках на межі розподілу класів, можуть не попасти у навчальну вибірку, а це призведе до невірної або неточної апроксимації меж класів при побудові діагностичної моделі, що у свою чергу зменшить точність, адекватність та надійність моделі 3 іншого боку, при лінійному номери класів або значення параметра, що прогнозується, розподіляють на навчальну та тестову вибірки, який відрізняється тим, що у просторі ознак зразків вихідної вибірки виділяють області компактного розташування зразків, що належать до одного й того ж класу, а серед екземплярів кожної такої області до навчальної вибірки відносять лише один зразок, який потрапив у вузлову точку розподілу класів, а ІНШІ зразки області компактного розташування зразків відносять до тестової вибірки розбитті до навчальної вибірки може потрапити декілька близьких за ознаками майже тотожних зразків, що відносяться до одного й того ж класу Це призведе до збільшення часу побудови моделі за такою вибіркою у порівнянні з побудовою моделі за вибіркою, яка не містить зайвих зразків В основу винаходу поставлена задача підвищення репрезентативності навчальної та тестової вибірок, а також зменшення обсягу навчальної вибірки Поставлена задача вирішується тим, що у способі відбору зразків для побудови діагностичних моделей виробів, який полягає в тому, що вихідну вибірку даних, яка містить значення ознак зразків виробів та співставленні їм номери класів або значення параметру, що прогнозується, розподіляють на навчальну та тестову вибірки, у просторі ознак зразків вихідної вибірки виділяють області компактного розташування зразків, що належать до одного й того ж класу, а серед екземплярів кожної такої області до навчальної вибірки відносять лише один зразок, який потрапив у вузлову точку розподілу класів, а ІНШІ зразки області компактного розташування зразків відносять до тестової вибірки Такий спосіб дозволяє підвищити репрезентативність навчальної та тестової вибірок, а також зменшити обсяг навчальної вибірки о о (О 60070 Відбір зразків на основі запропонованого способу здійснюють виконуючи кроки 1-16 Крок 1 Ініціалізація Задають вихідну вибірку зразків Хвих та співставленні їм номери класів або значення параметру, що прогнозується, t B M X , a також L - КІЛЬКІСТЬ розбиттів вихідної вибірки Заносять до змінної N КІЛЬКІСТЬ ознак, що характеризують зразки, а до змінної М - КІЛЬКІСТЬ зразків вихідної вибірки Для задач класифікації приймають ширину припустимого інтервалу варіації параметру, що прогнозується, dt=O, для задач чисельного оцінювання параметру, що прогнозується, приймають dt=|max(t B M X )min(t BMX )|/L, де mm(a) та max(a) - мінімальне та максимальне значення вектору а, ВІДПОВІДНО Встановлюють лічильник newmd = 1 Крок 2 Оцінюють вихідної вибірки відстані між зразками RealMax, p = q, р=1, , М , q = 1 , ,M де RealMax - максимальне дійсне число, що можна представити у розрядній СІТЦІ ЕОМ, х] 3 значення І-ОІ ознаки р-го зразку Крок 3 Знаходять у матриці відстаней R мінімальний елемент minx та його індекси q та р, а також максимальний елемент т а х х , за умови, що при знаходженні мінімуму та максимуму тут і далі ігнорують елементи, які дорівнюють RealMax Крок 4 Приймають a=|maxx-minx|/(2L) Крок 5 Якщо mmx