Image analysis is very important because of its usage in many different areas of science and industry. Pattern recognition (classification) is a tool used in image analysis. Statistical pattern recognition, based on Bayes discriminant functions is the object of this work. The main problem is to classify stationary Gaussian random field observation into one off two classes, considering, that it is dependant on training sample ant taking in to account the relationship with training sample. The new supervised classification method, based on Bayes discriminant functions, is proposed and it gives better results comparing with other commonly used Bayes discriminant functions. Method is programmed with R program and investigated experimentally, reconstructing images corrupted by spatially correlated noise. Such situation occurs naturally, for example, during the forest fire smoke covers the remotely sensed image, gathered from the satellite. Also such situation is often during cloudy days. During such situation the incorporation of the spatial dependences into the classification problem is useful. Analytical error rates of Bayes discriminant functions are presented (derived), which are the criterion of these functions. Also, the dependences on statistical parameters are investigated for these error rates. / Vaizdų analizė šiomis dienomis yra labai svarbi dėl plataus pritaikymo daugelyje mokslo ir pramonės sričių. Vienas iš vaizdų analizės įrankių – objekto atpažinimas (klasifikavimas) (angl. pattern recognition). Statistinis objekto atpažinimas, paremtas Bajeso diskriminantinėmis funkcijomis – šio darbo objektas. Sprendžiama problema – optimalus klasifikavimas stacionaraus Gauso atsitiktinio lauko (GRF) stebinio, į vieną iš dviejų klasių, laikant, kad jis yra priklausomas nuo mokymo imties ir atsižvelgiant į jo ryšius su mokymo imtimi. Pateikta klasifikavimo procedūra, kuri Gauso atsitiktinio lauko stebinius klasifikuoja optimaliai. Yra pasiūlytas naujas klasifikavimo su mokymu metodas, kuris duoda geresnius rezultatus, lyginant su įprastai naudojamomis Bajeso diskriminantinėmis funkcijomis. Metodas realizuotas R sistemos aplinkoje ir tikrinamas eksperimentų būdu, atstatant vaizdus, sugadintus erdvėje koreliuoto triukšmo. Tokia situacija pasitaiko natūraliai, pavyzdžiui, degant miškui dūmai uždengia nuotolinio stebėjimo vaizdą, gautą iš palydovo. Taip pat tokia situacija gana dažna esant debesuotumui. Esant tokiai situacijai erdvinės priklausomybės įvedimas į klasifikacijos problemą pasiteisina. Pateiktos (išvestos) analitinės klaidų tikimybių išraiškos Bajeso diskriminantinėms funkcijoms, kurios yra kaip šių funkcijų veikimo kriterijus. Ištirta klaidų tikimybių priklausomybė nuo statistinių parametrų reikšmių.

Šiuo tyrimu buvo siekiama nustatyti koreliaciją tarp karvių didžiojo prieskrandžio turinio fermentacinių procesų aktyvumo rodiklių ir pieno produkcijos rodiklių. Taip pat - nustatyti karvių didžiojo prieskrandžio fermentacinių procesų rodiklių tarpusavio koreliaciją. Bandomosios LJ karvės (n=5) buvo tirtos ganykliniu ir tvartiniu laikotarpiais. Buvo ištirti šie didžiojo prieskrandžio fermentacijos rodikliai: pH, redukcinis bakterijų aktyvumas, gliukozės rūgimo reakcija, pirmuonių skaičius, lakiųjų riebalų rūgščių kiekis. Taip pat - pieno rodikliai: pieno kiekis, pieno riebalai, pieno baltymai, pieno laktozė, šlapalas. Koreliacijos koeficientai (rS) buvo apskaičiuoti pagal Spearman‘ą. Gauti rezultatai yra statistiškai nepatikimi, išskyrus, koreliaciją tarp didžiojo prieskrandžio pirmuonių ir pieno riebalų (rS = 0.9, p = 0,037) bei pirmuonių skaičiaus ir pieno baltymų (rS = 0.9, p = 0,037) tvartiniu laikotarpiu. Pastovią koreliaciją tvartiniu ir ganykliniu laikotarpiais išlaikė pirmuonių skaičius ir pieno kiekis (rS = –0,8 (p>0,05). Koreliacija, tarp redukcinio bakterijų aktyvumo ir pirmuonių skaičiaus, bei koreliacija, tarp lakiųjų riebalų rūgščių (LRR) ir pirmuonių skaičiaus, tiek tvartiniu ( atitinkamai rS = 0,872, p>0,05; rS = 0,1, p>0,05), tiek ganykliniu laikotarpiais (atitinkamai rS = 0,289, p>0,05; rS = 0,707; p>0,05), išliko teigiama. Neigiama koreliacija tvartiniu (rS = –0,205, p>0,05) ir ganykliniu (rS = –0,408, p>0,05) laikotarpiais išliko tarp redukcinio bakterijų... [toliau žr. visą tekstą] / This study was designed to determine a correlation between rumen fermentation process activity rates and milk production, also to establish a correlation between the rumen fermentation indicators. The study group was consisted of five LJ cows, which were tested during indoor and outdoor periods. In this study we have measured ruminal pH, bacterial activity reduction, glucose fermentation reaction, number of protozoa and volatile fatty acids also milk indicators such as milk fat, milk proteins, milk lactose, and milk urea. Correlation coefficients (rS) were calculated according to Spearman. The results are not statistically significant, except correlation results during the stable period between rumen protozoa count and milk fat (rS = 0.9, p = 0.037) also between number of protozoa and milk proteins (rS = 0.9, p = 0.037). A correlation constant between number of protozoa and quantity of milk (rs = -0.8, p < 0.05) was stable during both periods. During indoor and outdoor periods correlation between reduction activity of bacteria and number of protozoa, volatile fatty acids (VFA) and number of protozoa, (respectively, rS = 0.87, p<0.05, rS = 0 1, p> 0.05 and rS = 0.289, p> 0.05, rS = 0.707, p> 0.05) remained positive. During both periods negative correlation remained between reduction activity of bacteria and VFA (respectively rS = -0.205, p> 0.05, rS = -0.408, p <0.05).