УДК 004.93'11
Исследуются свойства смешанных оценок плотности распределения, получаемых по независимым ядерным оценкам неизвестной плотности распределения для вектора информативных признаков и известной плотности распределения вектора помеховых искажений. Приводятся результаты сравнения смешанных оценок с традиционной ядерной оценкой Парзена, применяемой непосредственно к обучающим данным, на примере задачи восстановления плотностей одномерных и двумерных случайных величин с равномерными и гауссовскими распределениями. Предлагается алгоритм размножения обучающих данных на основе смешанных оценок и исследуется его эффективность на примере задачи классификации многомерных гауссовских величин с помощью искусственных нейронных сетей.
A mixed density estimation method combining density estimators calculated independently for informative features and non-informative noise is analyzed. The method is compared with traditional Parzen window method, applied directly to the training data. One-dimensional and two-dimensional Gaussian and uniform random variables are used as datasets for comparison.A new data augmentation algorithm based on mixed density estimators is proposed.The method istested using artificial neural networks and multivariate Gaussian mixtures as testing data sets. The results of the testing are provided.