Таянов В.А. Моделювання систем розпізнавання на основі показників вірогідності для малих тестових вибірок.- Рукопис. Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 01.05.02 - математичне моделювання та обчислювальні методи.-Національний університет "Львівська політехніка", Львів, 2007. Дисертація присвячена розробці моделі систем розпізнавання (СР) в умовах малих вибірок на основі оцінки вірогідності їх роботи. В подібних випадках використання класичних оцінок часто веде до некоректного їх визначення. Для розв'язання проблеми пропонуються диференційні прототипні та ймовірнісні показники оцінки вірогідності роботи СР. Ці показники дають можливість оцінювати вірогідність розпізнавання кожного окремого образу. В рамках прототипного підходу досліджено статистичні властивості коефіцієнта вірогідності розпізнавання (КВР). Запропоновано спосіб порівняння ефективності роботи двох систем розпізнавання на основі 1-го та 2-го моментів КВР. Введено параметр вірогідності розпізнавання, що визначає стійкість КВР до впливу різних видів спотворюючих факторів. В рамках імовірнісного підходу показано коректність гіпотези, що розподіл відстаней між образами в межах класів і всієї бази даних є нормальним, визначено ймовірність розпізнавання окремого образу та ймовірності переходів КВР з різних станів. Запропоновано модель класифікації образів у межах довірчого інтервалу. Крім того, для побудови моделі класифікації образів за допомогою диференційного підходу досліджено особливості використання статистичних критеріїв виявлення. На основі розроблених показників проводиться швидкий, різнобічний та ефективний аналіз і синтез СР в умовах малих вибірок як результат оптимізації параметрів моделі, який неможливо реалізувати за допомогою класичних підходів. Ключові слова: модель системи розпізнавання, класифікатор, вірогідність розпізнавання, оцінка, мала вибірка, аналіз, синтез.