Доступ открыт Открытый доступ  Доступ закрыт Доступ платный или только для Подписчиков

Нейросетевое обобщение классических статистических критериев для обработки малых выборок биометрических данных


https://doi.org/10.21683/1729-2646-2019-19-2-22-27

Полный текст:


Аннотация

Целью работы является повышение мощности статистических критериев за счет их совместного применения для снижения требований к объему тестовой выборки.

Методы. Классические статистические критерии: хи-квадрат, Крамера фон-Мизеса и Шапиро-Уилка предложено объединять через использование эквивалентных им искусственных нейронов. Каждый нейрон выполняет сравнение входных статистик с заранее вычисленным порогом и имеет два выходных состояния. Это позволяет получать три разряда бинарного выходного кода сети из трех искусственных нейронов.

Результаты. Показано, что каждый из этих критериев на малых выборках биометрических данных дает большие значения ошибок первого и второго рода при проверке гипотезы нормальности. Нейросетевое объединение трех рассмативаемых критериев позволяет существенно снизить вероятности ошибок первого и второго рода. Приведены результаты парных нейросетевых обобщений, а также неросетевого обобщения тройки рассматриваемых статистических критериев.

Выводы. Дается прогноз ожидаемых вероятностей ошибок первого и второго рода для нейросетевых обобщений 10 и 30 классических статистических критериев для малых выборок, содержащих 21 опыт. Важным элементом технологии прогнозирования является симметризация задачи, когда вероятности ошибок первого и второго рода делаются одинаковыми и усредняются. Усредняются также модули коэффициентов парной корреляции выходных состояний сумматоров искусственных нейронов. Только в этом случае связь числа обобщаемых критериев с ожидаемыми вероятностями ошибок первого и второго рода становится линейной в логарифмических координатах.


Об авторах

А. И. Иванов
АО «Пензенский научно-исследовательский электротехнический институт»
Россия

Александр И. Иванов, доктор технических наук, доцент, ведущий научный сотрудник лаборатории биометрических и нейросетевых технологий

Пенза



Е. Н. Куприянов
ФБГОУ ВПО «Пензенский государственный университет»
Россия

Евгений Н. Куприянов, аспирант кафедры «Технические средства информационной безопасности»

Пенза



С. В. Туреев
НИИ систем связи и управления
Россия

Сергей В. Туреев, начальник научно-технического центра

Москва



Список литературы

1. Похабов Ю.П. Проблемы надежности и пути их решения при создании уникальных высокоответственных систем [Текст] / Ю.П. Похабов // Надежность. – Том 19. – № 1. – С. 10-17.

2. Похабов Ю.П. Обеспечение надежности уникальных высокоответственных систем [Текст] / Ю.П. Похабов // Надежность. – Том 17. – № 3. – С. 17-23.

3. ГОСТ Р 52633.5-2011. Защита информации. Техника защиты информации. Автоматическое обучение нейросетевых преобразователей биометрия-код доступа [Текст]. – Введ. 2012-04-01. – М.: Стандартинформ, 2012. – IV, 15 с.

4. Прикладная математическая статистика: для инженеров и научных работников [Текст] / А.И. Кобзарь. – М.: ФИЗМАТЛИТ, 2006 г. – 816 с.

5. Язов Ю.К. и др. Нейросетевая защита персональных биометрических данных [Текст] / Ю.К. Язов, В.И. Волчихин, А.И. Иванов, В.А. Фунтиков, И.Г. Назаров / Под ред. Ю.К. Язова. – М.: Радиотехника, 2012 г. – 157 с.

6. Сухорученков Б.И. Анализ малой выборки. Прикладные статистические методы [Текст] / Б.И. Сухорученков. – М.: Вузовская книга, 2010. – 384 с: ил.

7. Дерффель К. Статистика в аналитической химии [Текст] / К. Дерффель. – М.: Мир, 1994. – 258 с.

8. Даев Ж.А., Нурушев Е.Т. Применение статистических критериев для улучшения эффективности методов оценки рисков. // Надежность. – Том 18. – № 2. – С. 42-45.

9. Ахметов Б.Б., Иванов А.И. Оценка качества малой выборки биометрических данных с использованием более экономичной формы хи-квадрат критерия. // Надежность. – 2016. – № 2(57). – С. 43-48.

10. Р 50.1.037-2002. Рекомендации по стандартизации. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Часть I. Критерии типа χ2 [Текст]. – М.: Госстандарт России, 2001. – 140 с.

11. Р 50.1.037-2002. Прикладная статистика. Правила проверки согласия опытного распределения с теоретическим. Часть II. Непараметрические критерии [Текст]. – М.: Госстандарт России, 2002. – 123 с.

12. Хайкин Саймон. Нейронные сети: полный курс [Текст] / С. Хайкин. – М.: «Вильямс», 2006. – 1104 с.

13. Серикова Н.И. Оценка правдоподобия гипотезы о нормальном распределении по критерию Джини для числа степеней свободы, кратного числу опытов [Текст] / Н.И. Серикова, А.И. Иванов, Ю.И. Серикова. // Вопросы радиоэлектроники. – 2015. – № 1(1). – С. 85-94.

14. Перфилов К.А. Критерий среднего геометрического, используемый для проверки достоверности статистических гипотез распределения биометрических данных [Текст] / К.А. Перфилов. / Труды научно-технической конференции кластера пензенских предприятий, обеспечивающих безопасность информационных технологий. – Пенза, 2014. – Том 9. – С. 92-93. – URL: http://www.pniei.penza.ru/RV-conf/T9/C92.

15. Иванов А.И. Оценка соотношения мощностей семейства статистических критериев «среднего геометрического» на малых выборках биометрических данных [Текст] / А.И. Иванов, К.А. Перфилов / XI Всероссийская научно-практическая конференция «Современные охранные технологии и средства обеспечения комплексной безопасности объектов». Пенза-Заречный. 20 октября 2016 г. –2016. – С. 223-229.

16. Иванов А.И. Многомерный статистический анализ качества биометрических данных на предельно малых выборках с использованием критериев среднего геометрического, вычисленного для анализируемых функций вероятности [Текст] / А.И. Иванов, К.А. Перфилов, Е.А. Малыгина // Измерение. Мониторинг. Управление. Контроль. – 2016. – № 2(16). – С. 64-72.

17. Иванов А.И. Оценка качества малых выборок биометрических данных с использованием дифференциального варианта статистического критерия среднего геометрического [Текст] / А.И. Иванов, К.А. Перфилов, Е.А. Малыгина // Вестник СИБГАУ. – 2016. – №4(17). – С. 864-871.

18. Малыгин А.Ю. Быстрые алгоритмы тестирования нейросетевых механизмов биометрико-криптографической защиты информации [Текст] / А.Ю. Малыгин, В.И. Волчихин, А.И. Иванов, В.А. Фунтиков. – Пенза, Издательство Пензенского государственного университета, 2006. – 161 с.

19. Ахметов Б.С. Алгоритмы те стирования биометрико-нейросетевых механизмов защиты информации [Текст] / Б.С. Ахметов, В.И. Волчихин, А.И. Иванов, А.Ю. Малыгин. – Алматы, КазНТУ им. Сатпаева, 2013. – 152 с. – URL: http://portal.kazntu.kz/files/publicate/2014-01-04-11940.pdf


Дополнительные файлы

Для цитирования: Иванов А.И., Куприянов Е.Н., Туреев С.В. Нейросетевое обобщение классических статистических критериев для обработки малых выборок биометрических данных. Надежность. 2019;19(2):22-27. https://doi.org/10.21683/1729-2646-2019-19-2-22-27

For citation: Ivanov A.I., Kuprianov E.N., Tureev S.V. Neural network integration of classical statistical tests for processing small samples of biometrics data. Dependability. 2019;19(2):22-27. (In Russ.) https://doi.org/10.21683/1729-2646-2019-19-2-22-27

Просмотров: 42

Обратные ссылки

  • Обратные ссылки не определены.


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1729-2646 (Print)
ISSN 2500-3909 (Online)