Непараметрические системы распознавания образов в условиях разнотипных данных

Непараметрические системы распознавания образов в условиях разнотипных данных

Автор: Аникина, Галина Олеговна

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2005

Место защиты: Красноярск

Количество страниц: 182 с. ил.

Артикул: 2881437

Автор: Аникина, Галина Олеговна

Стоимость: 250 руб.

Непараметрические системы распознавания образов в условиях разнотипных данных  Непараметрические системы распознавания образов в условиях разнотипных данных 

Введение
1 Анализ методов распознавания образов в условиях разнотипных
1.1 Основные понятия и определения теории распознавания образов.
1.2 Проблемы распознавания образов в условиях разнотипных данных
1.3 Анализ и типизация алгоритмов распознавания образов при разнотипных
1.3.1 Алгоритмы распознавания, основанные на преобразовании разнотипных признаков к одной шкале.
1.3.2 Алгоритмы распознавания, основанные на вычислении оценок
1.3.3 Алгоритмы, основанные на логических решающих правилах.
1.4 Задачи исследования алгоритмов распознавания образов в условиях разнотипных данных
2 Непараметрические алгоритмы распознавания образов в условиях разнотипных данных
2.1 Непараметрические алгоритмы распознавания образов в пространстве непрерывных признаков.
2.2 Модификация непараметрических алгоритмов классификации с учетом взаимосвязи между признаками
2.3 Непараметрические алгоритмы распознавания образов в пространстве
дискретных признаков
2.3.1 Типизация методов распознавания образов в пространстве дискретных признаков.
2.3.2 Синтез непараметрического алгоритма классификации дискретных признаков
2.4 Непараметрические алгоритмы классификации лингвистических переменных.
2.4.1 Основные понятия теории размытых нечетких множеств.
2.4.2 Методы классификации лингвистических переменных
2.4.3 Синтез непараметрического алгоритма классификации лингвистических переменных.
2.5 Непараметрические алгоритмы распознавания образов в условиях пропуска данных
3 Синтез и анализ многоуровневых непараметрических систем распознавания образов в пространстве разнотипных переменных
3.1 Постановка задачи распознавания образов в условиях разнотипных данных
3.2 Методика синтеза многоуровневых непараметрических систем распознавания образов при разнотипных данных
3.3 Показатели эффективности многоуровневых непараметрических систем распознавания образов.
3.4 Исследование свойств многоуровневых систем распознавания образов при разнотипных данных
4 Комплекс программ синтеза и анализа многоуровневых непараметрических систем распознавания образов
4.1 Назначение и функциональные возможности комплекса программ
4.2 Структура комплекса программ
4.3 Инструкции пользователю комплекса программ
5 Анализ результатов применения многоуровневых непараметрических систем распознавания образов при исследовании эффективности учебного процесса и при прогнозировании исходов закрытой травмы сердца
5.1 Применение многоуровневых непарамстрических систем распознавания образов при исследовании эффективности учебного процесса
5.1.1 Основные особенности исследуемого процесса прогнозирования обобщенного показателя успеваемости как объекта статистического моделирования.
5.1.2 Методика разработки системы прогноза обобщенного показателя успеваемости
5.1.3 Описание комплекса программ для прогнозирования обобщенного
показателя успеваемости учащихся
5.2 Применение многоуровневых непараметрических систем распознавания образов при прогнозировании исходов закрытой травмы сердца
5.2.1 Основные особенности исследуемого процесса прогнозирования исходов закрытой травмы сердца как объекта статистического моделирования.
5.2.2 Методика разработки системы прогноза исходов закрытой травмы сердца
5.2.3 Описание комплекса программ для прогнозирования исходов закрытой травмы сердца.
Выводы.
Заключение.
Список использованных источников


Исследуются проблемы классификации сложных объектов, характеризующихся разнотипными признаками, пропусками данных. Проводится типизация методов классификации разнотипных данных с целью выявления их сильных и слабых сторон. На этой основе формулируется постановка задачи исследования новых алгоритмов распознавания образов, которые учитывают сильные стороны и решают или обходят слабые стороны традиционных методов. В последнее время алгоритмы распознавания образов находят все большее применение в повседневной жизни человека. Это связано, прежде всего, с интенсивным развитием информационных технологий и внедрением последних во все сферы общественной жизни. Например, распознавание речи и текста значительно упрощает взаимодействие человека с компьютером, сокращает время на ввод и обработку текстовых и графических данных. Перевод печатного отсканированного текста в электронную форму осуществляется при помощи алгоритмов распознавания образов. При этом качество распознавания текста зависит как от состояния бумажного носителя, подвергаемого сканированию, так и от эффективности используемых алгоритмов распознавания образов. Состояние бумажного носителя практически изменить невозможно, а над эффективностью распознающих алгоритмов можно поработать. Задачи распознавания встречаются не только в области компьютерных технологий, а также в археологии, геологии, экономике, медицине, биологии, социологии, психологии и других областях. При исследовании образовательных процессов необходимо предсказать, например, изменение успеваемости учащихся по ряду косвенных объективных и субъективных характеристик личности. Для более глубокого понимания процесса распознавания образов приведем некоторую терминологию из теории классификации. Понятие класса образа. Рассматривается некоторая генеральная совокупность объектов А. Множество А определяется целью исследования. Данное множество объектов явлений, ситуаций разбивается на ряд подмножеств 2, 7 1,Л,где Л число образов классов, М2. Число образов невелико обычно не более нескольких десятков. Предполагается, что исследователь имеет принципиальную возможность с помощью какихлибо алгоритмов определить по некоторым характеристикам объекта х,. А тому или иному классу образу. Под образом будем понимать подмножество объектов, обладающих с точки зрения исследователя, некоторыми общими свойствами. В зависимости от цели мы можем выбрать разные признаковые пространства или разные области в этих признаковых пространствах, в результате чего одна и та же пара объектов может быть отнесена как к одному и тому же, так и к различным образам. Под признаком понимается количественное или качественное описание того или иного свойства параметра исследуемого объекта или явления. В геометрической интерпретации под образом понимается область в пмерном выборочном пространстве, вдоль координатных осей которого отложены значения параметров. Описание этой области называется эталоном, а отдельная точка в ней реализацией образа. Построение решающих правил. Процесс распознавания включает в себя два основных этапа этап обучения и этап принятия решения. М имеющихся образов. Способ синтеза решающего правила зависит от априорных сведений о математическом описании класса, его характеристик, вида уравнения разделяющей поверхности ix и принятого критерия оптимальности рассматриваемой задачи классификации. Решающее правило должно быть выбрано таким образом, чтобы сформулированный критерий качества классификации достигал экстремума , , . Построение решающих правил классификации в большинстве
прикладных задач связано с накоплением и анализом эмпирических данных, содержащих априорную информацию о структуре классов объектов аеА и называемых обучающей выборкой. В задачах распознавания образов обучающая выборка формируется из конечной последовательности пар Vx , 1,л объема п, составленной из значений признаков сигналов хх, Х2,. Положим, произведено разбиение объектов на классы в соответствии с указаниями учителя. Требуется выделить в пространстве признаков области эквивалентные классам, т.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.224, запросов: 244