Обучение распознаванию образов в нестационарной генеральной совокупности

Обычно в задачах распознавания образов предполагается, что свойства генеральной совокупности неизменны на протяжении всего процесса обучения. Однако мы можем столкнуться с задачами иного рода, в которых влияние каких-то скрытых факторов может привести к большим или меньшим изменениям в генеральной совокупности и, как следствие, в решающем правиле. В докладе предлагаются методы решения подобных задач, основанные на байесовском подходе к проблеме распознавания образов и марковских случайных процессах. Разработанная иерархическая вероятностная модель параметров целевой зависимости позволяет осуществлять отбор признаков с требуемой селективностью.