The 8 references with contexts in paper A. Khramiankou S., S. Yarmolik N., M. Svinarski V., А. Храменков С., С. Ярмолик Н., М. Свинарский В. (2016) “СИНТЕЗ УСТРОЙСТВА РАДИОЛОКАЦИОННОГО РАСПОЗНАВАНИЯ ОБЪЕКТОВ С ВОЗМОЖНОСТЬЮ ОСТАНОВКИ ПОСЛЕДОВАТЕЛЬНОЙ ПРОЦЕДУРЫ // SYNTHESIS OF A RADAR RECOGNITION DEVICE WITH POSSIBILITY TO STOP THE SEQUENTIAL PROCEDURE” / spz:neicon:vestift:y:2016:i:2:p:120-126

1
Охрименко, А. Е. Основы радиолокации и радиоэлектронная борьба. Ч. 1. Основы радиолокации: учеб. для высших училищ ПВО / А. Е. Охрименко. - М.: Воен. изд-во, 1983.- 456 с.
Total in-text references: 8
  1. In-text reference with the coordinate start=2270
    Prefix
    the prior in-, minimum average risk, sequential specifi cation of the prior in-minimum average risk, sequential specifi cation of the prior in-, sequential specifi cation of the prior in-sequential specification of the prior information. Введение и постановка задачи. Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу
    Exact
    [1–3]
    Suffix
    . Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4].

  2. In-text reference with the coordinate start=2474
    Prefix
    Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу [1–3]. Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей
    Exact
    [1, 3, 4]
    Suffix
    . Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3].

  3. In-text reference with the coordinate start=2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].

  4. In-text reference with the coordinate start=2738
    Prefix
    Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно
    Exact
    [1–3]
    Suffix
    . На практике наибольшее распространение получил алгоритм максимального правдоподобия [1]. Решающее правило устройства распознавания M классов объектов предполагает формирование M отношений правдоподобия Λ()lAξ , 1,lM=, и сравнение их между собой: если ()()klAAΛ≥Λξξ , 1,lM=, l ≠ k, то принимается решение в пользу k-го класса, где 0 () () () k k pA A pA Λ= ξ ξ ξ 0 () () () l l pA A pA 

  5. In-text reference with the coordinate start=2830
    Prefix
    Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия
    Exact
    [1]
    Suffix
    . Решающее правило устройства распознавания M классов объектов предполагает формирование M отношений правдоподобия Λ()lAξ , 1,lM=, и сравнение их между собой: если ()()klAAΛ≥Λξξ , 1,lM=, l ≠ k, то принимается решение в пользу k-го класса, где 0 () () () k k pA A pA Λ= ξ ξ ξ 0 () () () l l pA A pA  Λ=   ξ ξ ξ – отношение правдоподобия, сформированное при условии наблюден

  6. In-text reference with the coordinate start=3669
    Prefix
    (функция правдоподобия) дискретных отсчетов аддитивной смеси сигнала и фона при условии наблюдения объекта k (l)-го класса; 0()pAξ – многомерная плотность вероятности дискретных отсчетов радиолокационного фона. © Храменков А. С., Ярмолик С. Н., Свинарский М. В., 2016 Следует отметить, что, несмотря на значительные успехи и достижения в теоретической и экспериментальной областях
    Exact
    [1–5]
    Suffix
    , на пути практической реализации разработанных методов и способов распознавания в современных и перспективных радиолокаторах встречаются значительные трудности. Основной причиной этого является сравнительно низкая достоверность решений, принимаемых при наличии интенсивного и сложного радиолокационного фона особенно в условиях ограниченного времени наблюдения объектов.

  7. In-text reference with the coordinate start=4606
    Prefix
    Важным вопросом при решении задачи классификации объектов является также преодоление априорной неопределенности о параметрах обрабатываемых сигналов [6]. Для повышения достоверности принимаемых решений при классификации определенный интерес представляет увеличение времени наблюдения радиолокационного объекта
    Exact
    [1]
    Suffix
    . Однако непосредственное увеличение времени контакта с целью не всегда возможно. Вместе с этим в ряде практически важных случаев радиолокатор имеет возможность последовательного многократного обращения к цели [7].

  8. In-text reference with the coordinate start=14542
    Prefix
    Рекомендации по нахождению априорных вероятностей появления объектов различных классов. Исходя из максимальной априорной неопределенности, на первом шаге процедуры априорные вероятности появления распознаваемых объектов принято считать одинаковыми PAMln1)(1==, Ml,1=
    Exact
    [1–3]
    Suffix
    . При учете взаимосвязи последовательно наблюдаемых процессов и возможности последовательного уточнения информации в качестве априорных вероятностей для последующих шагов целесообразно использовать апостериорные вероятности предыдущего шага классификации.

2
Радиолокационное распознавание: учеб. пособие по курсу «Теоретические основы радиолокации» / Я. Д. Шир ман [и др.]; под. общ. ред. Я. Д. Ширмана. – Харьков: ХВУ, 1994. – 122 с.
Total in-text references: 6
  1. In-text reference with the coordinate start=2270
    Prefix
    the prior in-, minimum average risk, sequential specifi cation of the prior in-minimum average risk, sequential specifi cation of the prior in-, sequential specifi cation of the prior in-sequential specification of the prior information. Введение и постановка задачи. Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу
    Exact
    [1–3]
    Suffix
    . Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4].

  2. In-text reference with the coordinate start=2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].

  3. In-text reference with the coordinate start=2738
    Prefix
    Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно
    Exact
    [1–3]
    Suffix
    . На практике наибольшее распространение получил алгоритм максимального правдоподобия [1]. Решающее правило устройства распознавания M классов объектов предполагает формирование M отношений правдоподобия Λ()lAξ , 1,lM=, и сравнение их между собой: если ()()klAAΛ≥Λξξ , 1,lM=, l ≠ k, то принимается решение в пользу k-го класса, где 0 () () () k k pA A pA Λ= ξ ξ ξ 0 () () () l l pA A pA 

  4. In-text reference with the coordinate start=3669
    Prefix
    (функция правдоподобия) дискретных отсчетов аддитивной смеси сигнала и фона при условии наблюдения объекта k (l)-го класса; 0()pAξ – многомерная плотность вероятности дискретных отсчетов радиолокационного фона. © Храменков А. С., Ярмолик С. Н., Свинарский М. В., 2016 Следует отметить, что, несмотря на значительные успехи и достижения в теоретической и экспериментальной областях
    Exact
    [1–5]
    Suffix
    , на пути практической реализации разработанных методов и способов распознавания в современных и перспективных радиолокаторах встречаются значительные трудности. Основной причиной этого является сравнительно низкая достоверность решений, принимаемых при наличии интенсивного и сложного радиолокационного фона особенно в условиях ограниченного времени наблюдения объектов.

  5. In-text reference with the coordinate start=13817
    Prefix
    При этом длительность процедуры определяется имеющимися условиями наблюдения объектов. Реализация байесовского алгоритма, минимизирующего средний риск принимаемых решений, предполагает использование полного комплекта априорных данных
    Exact
    [2]
    Suffix
    . Полученное байесовское решающее правило (8) в процессе формирования решающей статистики на каждом шаге классификации предполагает использование следующих величин: априорные вероятности появления объектов различных классов ()(lnAP,Ml,1=); цены за принятые решения на каждом этапе процедуры распознавания (nklC, nlMС1+, Mlk,1,=).

  6. In-text reference with the coordinate start=14542
    Prefix
    Рекомендации по нахождению априорных вероятностей появления объектов различных классов. Исходя из максимальной априорной неопределенности, на первом шаге процедуры априорные вероятности появления распознаваемых объектов принято считать одинаковыми PAMln1)(1==, Ml,1=
    Exact
    [1–3]
    Suffix
    . При учете взаимосвязи последовательно наблюдаемых процессов и возможности последовательного уточнения информации в качестве априорных вероятностей для последующих шагов целесообразно использовать апостериорные вероятности предыдущего шага классификации.

3
Курлович, В. И. Основы теории радиосистем / В. И. Курлович, С. В. Шаляпин. – Минск: Военная академия РБ, 1999. – 343 с.
Total in-text references: 6
  1. In-text reference with the coordinate start=2270
    Prefix
    the prior in-, minimum average risk, sequential specifi cation of the prior in-minimum average risk, sequential specifi cation of the prior in-, sequential specifi cation of the prior in-sequential specification of the prior information. Введение и постановка задачи. Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу
    Exact
    [1–3]
    Suffix
    . Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4].

  2. In-text reference with the coordinate start=2474
    Prefix
    Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу [1–3]. Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей
    Exact
    [1, 3, 4]
    Suffix
    . Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3].

  3. In-text reference with the coordinate start=2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].

  4. In-text reference with the coordinate start=2738
    Prefix
    Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно
    Exact
    [1–3]
    Suffix
    . На практике наибольшее распространение получил алгоритм максимального правдоподобия [1]. Решающее правило устройства распознавания M классов объектов предполагает формирование M отношений правдоподобия Λ()lAξ , 1,lM=, и сравнение их между собой: если ()()klAAΛ≥Λξξ , 1,lM=, l ≠ k, то принимается решение в пользу k-го класса, где 0 () () () k k pA A pA Λ= ξ ξ ξ 0 () () () l l pA A pA 

  5. In-text reference with the coordinate start=3669
    Prefix
    (функция правдоподобия) дискретных отсчетов аддитивной смеси сигнала и фона при условии наблюдения объекта k (l)-го класса; 0()pAξ – многомерная плотность вероятности дискретных отсчетов радиолокационного фона. © Храменков А. С., Ярмолик С. Н., Свинарский М. В., 2016 Следует отметить, что, несмотря на значительные успехи и достижения в теоретической и экспериментальной областях
    Exact
    [1–5]
    Suffix
    , на пути практической реализации разработанных методов и способов распознавания в современных и перспективных радиолокаторах встречаются значительные трудности. Основной причиной этого является сравнительно низкая достоверность решений, принимаемых при наличии интенсивного и сложного радиолокационного фона особенно в условиях ограниченного времени наблюдения объектов.

  6. In-text reference with the coordinate start=14542
    Prefix
    Рекомендации по нахождению априорных вероятностей появления объектов различных классов. Исходя из максимальной априорной неопределенности, на первом шаге процедуры априорные вероятности появления распознаваемых объектов принято считать одинаковыми PAMln1)(1==, Ml,1=
    Exact
    [1–3]
    Suffix
    . При учете взаимосвязи последовательно наблюдаемых процессов и возможности последовательного уточнения информации в качестве априорных вероятностей для последующих шагов целесообразно использовать апостериорные вероятности предыдущего шага классификации.

4
Tait, P. Introduction to Radar Target Recognition / P. Tait. – London: The Institution of Engineering and Technology, 2009. – 404 p.
Total in-text references: 3
  1. In-text reference with the coordinate start=2474
    Prefix
    Задача радиолокационного распознавания заключается в установлении факта принадлежности наблюдаемого объекта к определенному классу [1–3]. Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей
    Exact
    [1, 3, 4]
    Suffix
    . Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами [1–6]. Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3].

  2. In-text reference with the coordinate start=2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].

  3. In-text reference with the coordinate start=3669
    Prefix
    (функция правдоподобия) дискретных отсчетов аддитивной смеси сигнала и фона при условии наблюдения объекта k (l)-го класса; 0()pAξ – многомерная плотность вероятности дискретных отсчетов радиолокационного фона. © Храменков А. С., Ярмолик С. Н., Свинарский М. В., 2016 Следует отметить, что, несмотря на значительные успехи и достижения в теоретической и экспериментальной областях
    Exact
    [1–5]
    Suffix
    , на пути практической реализации разработанных методов и способов распознавания в современных и перспективных радиолокаторах встречаются значительные трудности. Основной причиной этого является сравнительно низкая достоверность решений, принимаемых при наличии интенсивного и сложного радиолокационного фона особенно в условиях ограниченного времени наблюдения объектов.

5
Blacknell, D. Radar Automatic Target Recognition (ATR) and Non-Cooperative Target Recognition (NCTR) / D. Blacknell, H. Griffiths. – London: The Institution of Engineering and Technology, 2013. – 279 p.
Total in-text references: 2
  1. In-text reference with the coordinate start=2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].

  2. In-text reference with the coordinate start=3669
    Prefix
    (функция правдоподобия) дискретных отсчетов аддитивной смеси сигнала и фона при условии наблюдения объекта k (l)-го класса; 0()pAξ – многомерная плотность вероятности дискретных отсчетов радиолокационного фона. © Храменков А. С., Ярмолик С. Н., Свинарский М. В., 2016 Следует отметить, что, несмотря на значительные успехи и достижения в теоретической и экспериментальной областях
    Exact
    [1–5]
    Suffix
    , на пути практической реализации разработанных методов и способов распознавания в современных и перспективных радиолокаторах встречаются значительные трудности. Основной причиной этого является сравнительно низкая достоверность решений, принимаемых при наличии интенсивного и сложного радиолокационного фона особенно в условиях ограниченного времени наблюдения объектов.

6
Репин, В. Г. Статистический синтез в условиях априорной неопределенности и адаптация информационных систем / В. Г. Репин, Г. П. Тартаковский. – М.: Сов. радио, 1977. – 432 с.
Total in-text references: 8
  1. In-text reference with the coordinate start=2600
    Prefix
    Процесс распознавания радиолокационных объектов осуществляется в условиях сложной помеховой обстановки: наличие активных, пассивных и имитирующих помех, преднамеренное использование ложных целей [1, 3, 4]. Принятие решения о классе наблюдаемого объекта носит статистический характер и решается соответствующими методами
    Exact
    [1–6]
    Suffix
    . Общее решение задачи радиолокационного распознавания класса объекта при использовании байесовского критерия оптимальности известно [1–3]. На практике наибольшее распространение получил алгоритм максимального правдоподобия [1].

  2. In-text reference with the coordinate start=4445
    Prefix
    Кроме того, в настоящее время отсутствует оптимальная процедура выбора наиболее информативных признаков классификации, что заставляет разработчиков переходить к квазиоптимальным алгоритмам, используя различные комбинации отличительных признаков. Важным вопросом при решении задачи классификации объектов является также преодоление априорной неопределенности о параметрах обрабатываемых сигналов
    Exact
    [6]
    Suffix
    . Для повышения достоверности принимаемых решений при классификации определенный интерес представляет увеличение времени наблюдения радиолокационного объекта [1]. Однако непосредственное увеличение времени контакта с целью не всегда возможно.

  3. In-text reference with the coordinate start=4991
    Prefix
    Вместе с этим в ряде практически важных случаев радиолокатор имеет возможность последовательного многократного обращения к цели [7]. Использование последовательных процедур при решении задач распознавания объектов позволяет осуществлять адаптацию решающего правила к условиям наблюдения
    Exact
    [6]
    Suffix
    и открывает возможности изменения границ признакового пространства путем исключения из рассмотрения наименее вероятных классов [8]. В связи с тем, что существует определенная связь между количеством извлекаемой информации о наблюдаемом объекте и длительностью интервала наблюдения в последовательных процедурах, неизбежно возникает задача оптимизации длительности процедуры обработки [6].

  4. In-text reference with the coordinate start=5381
    Prefix
    В связи с тем, что существует определенная связь между количеством извлекаемой информации о наблюдаемом объекте и длительностью интервала наблюдения в последовательных процедурах, неизбежно возникает задача оптимизации длительности процедуры обработки
    Exact
    [6]
    Suffix
    . При этом важно обеспечить рациональное соотношение между требуемым качеством распознавания и продолжительностью процедуры принятия решения. Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам [6, 8].

  5. In-text reference with the coordinate start=5651
    Prefix
    При этом важно обеспечить рациональное соотношение между требуемым качеством распознавания и продолжительностью процедуры принятия решения. Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам
    Exact
    [6, 8]
    Suffix
    . Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде [6], а приведенные результаты носят эмпирический характер [8]. Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении даль

  6. In-text reference with the coordinate start=5758
    Prefix
    Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам [6, 8]. Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде
    Exact
    [6]
    Suffix
    , а приведенные результаты носят эмпирический характер [8]. Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении дальнейшего наблюдения.

  7. In-text reference with the coordinate start=6928
    Prefix
    байесовского последовательного критерия распознавания будет правило, обеспечивающее минимизацию среднего значения потерь (риска), связанных с последовательной процедурой, при принятии решения о классе наблюдаемого объекта или о продолжении наблюдения. При этом процесс минимизации значения среднего риска последовательной процедуры сводится к минимизации среднего риска на каждом шаге наблюдений
    Exact
    [6]
    Suffix
    . Средний риск принятия решения на n-м шаге наблюдения можно представить в виде суммы среднего риска за принятые решения в пользу определенного класса и среднего риска за решение о продолжении наблюдения: 1,1 111 () ( ) ()( ) MMM nn nn i kin k in i M in M i kii RPACPAA PAC PA A∗∗++ = == =+∑∑∑, (1) где )(inAP – априорная вероятность наличия объекта i-го класса на n-м шаге; nkiC –

  8. In-text reference with the coordinate start=16838
    Prefix
    Исходя из этого, цены за ошибочные решения целесообразно выбирать больше стоимостей продолжения наблюдения, а последние больше цен за правильные решения 1,nn nkl M l llСС С+>>, Mlk,1,=, lk≠
    Exact
    [6]
    Suffix
    . Следует отметить, что определенным выбором на каждом шаге соотношения между ценами за ошибочные решения и за продолжение наблюдения можно добиться усечения последовательной процедуры классификации.

7
Шишов, Ю. А. Многоканальная радиолокация с временным разделением каналов / Ю. А. Шишов, В. А. Ворошилов. – М.: Радио и связь, 1987. – 144 с.
Total in-text references: 1
  1. In-text reference with the coordinate start=4831
    Prefix
    Однако непосредственное увеличение времени контакта с целью не всегда возможно. Вместе с этим в ряде практически важных случаев радиолокатор имеет возможность последовательного многократного обращения к цели
    Exact
    [7]
    Suffix
    . Использование последовательных процедур при решении задач распознавания объектов позволяет осуществлять адаптацию решающего правила к условиям наблюдения [6] и открывает возможности изменения границ признакового пространства путем исключения из рассмотрения наименее вероятных классов [8].

8
Фу, К. Последовательные методы в распознавании образов и обучении машин / К. Фу. – М.: Наука, 1971. – 256 с. Поступила в редакцию 04.10.2015
Total in-text references: 3
  1. In-text reference with the coordinate start=5123
    Prefix
    Использование последовательных процедур при решении задач распознавания объектов позволяет осуществлять адаптацию решающего правила к условиям наблюдения [6] и открывает возможности изменения границ признакового пространства путем исключения из рассмотрения наименее вероятных классов
    Exact
    [8]
    Suffix
    . В связи с тем, что существует определенная связь между количеством извлекаемой информации о наблюдаемом объекте и длительностью интервала наблюдения в последовательных процедурах, неизбежно возникает задача оптимизации длительности процедуры обработки [6].

  2. In-text reference with the coordinate start=5651
    Prefix
    При этом важно обеспечить рациональное соотношение между требуемым качеством распознавания и продолжительностью процедуры принятия решения. Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам
    Exact
    [6, 8]
    Suffix
    . Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде [6], а приведенные результаты носят эмпирический характер [8]. Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении даль

  3. In-text reference with the coordinate start=5816
    Prefix
    Следует отметить, что в технической литературе детально рассматривают последовательные правила применительно к двум гипотезам [6, 8]. Последовательные методы решения многоальтернативных задач часто рассматриваются в обобщенном виде [6], а приведенные результаты носят эмпирический характер
    Exact
    [8]
    Suffix
    . Определенный интерес представляет задача синтеза байесовского многошагового алгоритма последовательной классификации радиолокационных объектов, обеспечивающего минимизацию риска принимаемых решений о классе объекта и о продолжении дальнейшего наблюдения.