Актуальність теми статті полягає в тому, що питання вибору параметрів екстрактора ознак та алгоритму класифікаційного аналізу за умов апріорної невизначеності, ресурсних та інформаційних обмежень є недостатньо дослідженим і в повній мірі досі не вирішене.
Мета статті – підвищити в інформаційному та вартісному сенсі ефективність функціонування автономної системи розпізнавання об’єктів на місцевості, що функціонує в режимах навчання та екзамену за умов обмежених обсягів навчальної вибірки шляхом оптимізації параметрів екстрактора ознак та класифікатора спостережень.
Методи дослідження базуються алгоритмах цифрової обробки та аналізу зображень для формування дескрипторів об’єктів інтересу, на принципах математичної статистики та теорії інформації для оцінки функціональної ефективності вирішальних правил, положеннях теорії популяційних алгоритмів для оптимізації параметрів системи та сканування зображень.
Результати – розроблений алгоритм машинного навчання з грубим двійковим кодуванням спостережень та модифікація ройового алгоритму оптимізації параметрів функціонування системи розпізнавання дозволяє отримати за вибірками малого обсягу вирішальні правила з достовірністю, що наближається до граничного максимального значення. При цьому експериментально показано перевагу використання ройового алгоритму сканування зображень, яка полягає у трикратному підвищенні швидкодії порівняно з відомими алгоритмами RASW та ESS.
Висновки. Запропоновано метод синтезу інформаційно-екстремального класифікатора зображень з грубим двійковим кодуванням розріджених гістограм частоти появи візуальних слів, що дозволяє одержати обчислювально ефективні вирішальні правила. Удосконалено метод популяційного пошуку для настроювання параметрів екстрактора ознак, що дозволяє отримати оптимальні в інформаційному та вартісному сенсі параметри функціонування системи розпізнавання за декілька ітерацій роботи алгоритму. Практична цінність результатів полягає в отриманні робочих алгоритмів проектування здатної навчатися системи розпізнавання зображень, що функціонує за умов ресурсних та інформаційних обмежень.

словник ознак розпізнавання, алфавіт класів розпізнавання, інформаційний критерій, оптимізація, машинне навчання, рій частинок