Алгоритм классификации и восстановления искаженных $n$-мерных групповых точечных объектов на основе комбинаторного поиска фрагментов

Представлен алгоритм классификации образцов многомерных групповых точечных объектов. Поиск осуществляется на основе комбинаторного поиска соразмерных фрагментов матриц попарных отношений на множестве шаблонов. Решение об отнесении образца к тому или иному шаблону принимается по критерию минимума евклидового расстояния. Представленный подход к распознаванию позволяет синтезировать инвариантные (относительно вращения, масштабирования или смещения системы координат) описания вторичных признаков, а также использовать достаточно мощный инструментарий теории многомерного и метрического шкалирования в компенсации искажений распознанных образов групповых точечных объектов. В алгоритме реализована процедура статистических испытаний Монте-Карло, в рамках которого каждая точка случайным образом размещенная в предполагаемой окрестности искомых координат проверяется по условию минимума квадратического показателя сходства. Приведены пример и результаты использования алгоритма для идентификации и восстановления искаженных и подвергнутых воздействию координатных шумов радиоизображений, представленных выборкой шаблонов “блестящих” точек.