Рассмотрена методика построения многомерных статистических моделей классификационных признаков, в качестве которых выбраны значения компонент цветовых моделей (HSI, ??). Контрольные выборки признаков классов объектов были получены путем конвертирования участков оптических изображений, соответствующих объектам одного класса, в массивы данных. Оценка формы закона распределения проводилась на основании статистических оценок коэффициентов асимметрии и эксцесса по плоскости моментов. Для описания компонент векторных признаков были выбраны нормальное, усеченное нормальное распределение и смесь усеченных нормальных плотностей распределения вероятности. В качестве модели двухмерных признаков {H, S} и {?, ?} использовалось двумерное нормальное распределение, параметры которого находились как статистические оценки математического ожидания, среднеквадратического отклонения и коэффициентов корреляции между компонентами. Для уточнения значений параметров использовался оптимизационный подход, обеспечивающий наилучшее совпадение эмпирического и теоретического распределений. Ключевые слова: цветовая модель, классификация, многомерная статистическая модель, усеченное нормальное распределение, параметры смеси.
