Цитата(lex @ 10.07.2012 - 08:26)
В "Медико-криминалистической идентификации" фотосовмещения обозначены как - "СРАВНИТЕЛЬНЫЕ ИССЛЕДОВАНИЯ МЕТОДОМ НАЛОЖЕНИЯ (ФОТОСОВМЕЩЕНИЯ)".
Уважаемый lex.
Назвать-то можно как угодно, в том числе и "сравнительным исследованием". Мне кажется, это вытекает из известного: "На безрыбье, и сам…" Достоверно работающих методов нет, а идентифицировать-то нужно. Вот и приходится использовать в качестве "метода" то, что есть.
Из того же "безрыбья" вытекли и всем известные АГИ 1, 2, 4 и 5 (алгоритмы графические идентификационные), которым уделено много внимания в "учебном фильме", спровоцировавшем это обсуждение. Но АГИ – это особый разговор.
Цитата(FILIN @ 10.07.2012 - 10:52)
Ни математическое, ни визуальное "совмещение" не корректно до тех пор пока Вы не найдете методику определения толщины мягких тканей у конкретного лица.
Уважаемый FILIN.
Я согласен с Вами, когда речь идет о визуальном фотосовмещении, правда, с некоторыми оговорками. Вероятно, все-таки можно создать сбалансированную систему критериев, когда нарушение одного из них неизбежно приводит к нарушению других. Например, в ходе исследования ошибочно занижается толщина мягких тканей (масштаб черепа завышен), и тогда, скажем, реперное расстояние между точками ek на совмещенных изображениях увеличивается и выходит за допустимый диапазон. Конечно, таких, взаимосвязанных критериев, должен быть целый комплекс, и, возможно, это сработает. Можно ввести дополнительные параметры, например, оценивать степень питания по порядковой шкале, в баллах (по прижизненному изображению это сделать несложно), и тогда, хотя бы грубо, судить о возможной толщине мягких тканей. В общем – все это требует усилий, исследований и размышлений.
Иное дело – метрический подход. Здесь многое зависит от качества математической модели объектов. Во-первых, модель должна быть свободна от общевидовых характеристик объектов, нести информацию только об их индивидуальных особенностях; во-вторых, как можно более полно описывать объекты. Мы об этом говорили неоднократно. (См., например, И.С. Морозов, И.В. Костык, В.Г. Выборный. Математические аспекты задачи идентификации личности по черепу и прижизненной фотографии. // Мат. всеукр. конф. "Внедрение современных научных достижений в судебную экспертизу", Харьков, 2009. С. 247 - 253.)
Математическая модель, это не только набор параметров, но и набор методов их обработки. Для классификации объектов применяют пять, весьма изощренных методов математической статистики, выявляющих латентные связи между классами объектов и их параметрами. Мы используем два из них: линейный дискриминантный анализ Фишера и нейросетевой анализ. Последний, как показала практика, в нашем случае работает гораздо лучше.
Оба метода – методы классификации с обучением. Обучение сводится к следующему: системе последовательно предъявляют набор параметров объектов, и говорят – "Это набор параметров объекта, принадлежащего к классу идентичных, а это – к классу неидентичных пар". Система не имеет представления не только о толщине мягких тканей, но и о том, какие именно объекты реального мира она классифицирует. Она оперирует лишь параметрами (численными значениями) и целевой функцией (пара: идентичная/неидентичная). Математическая теория дискриминантного анализа и нейронных сетей утверждает, что система достаточно хорошо обучена, если количество объектов каждого класса в обучающей выборке на два больше количества параметров в математической модели. В нашей модели используется 227 параметров, и потому, количество случаев в каждом классе идентичных и неидентичных пар обучающей выборки, должно быть не менее 229.
Теперь, если обученной системе предъявить параметры некой пары объектов, которой она никогда не видела, система, вполне достоверно, отнесет эту пару к одному из классов.
Цитата(FILIN @ 10.07.2012 - 10:52)
…это всего лишь увеличит уровень вероятности, и никогда не приведет к решению вопроса идентичности
Под "решением вопроса идентичности" Вы, вероятно, подразумеваете
абсолютную достоверность события (событие, здесь - отнесение пары к одному из классов). В математической статистике имеется точное определение: "Событие называется
абсолютно достоверным, если оно проявляется при любом осуществлении комплекса основных (неслучайных) факторов". Но все без исключения, применяемые нами методики (и не только в медицине), выведены по наблюдениям (что поделаешь, иного механизма познания Мира нам Господь не дал), где наряду с основными, действуют и случайные факторы. Следовательно,
абсолютная достоверность достижима только теоретически. Нам же приходится довольствоваться
практической достоверностью. Мы вынуждены признать, что наши выводы не являются абсолютно достоверными, но в подавляющем большинстве случаев верны. Свою степень доверия к результатам мы выражаем, указывая вероятность с которой то или иное событие произошло. На основании наблюдений человечество сумело за всю историю науки сделать немало выводов, правильность которых подтверждена всем дальнейшим прогрессом, притом, что эти выводы держатся на случайных оценках. Я бы не стал недооценивать
практическую достоверность.
Вообще-то, все это, в блестящей форме, без "математической зауми", изложено в Е.И. Пустыльник. Статистические методы анализа и обработки наблюдений. М.: "Наука", 1968. Попробую найти в себе мужество, если найду, отсканирую и подарю. Мне кажется, Вам было бы интересно.
С уважением,ws_K.