Разработка оптимальных структурно-аналитических моделей и алгоритмов для распознавания объектов по разнотипным экспериментальным данным

Разработка оптимальных структурно-аналитических моделей и алгоритмов для распознавания объектов по разнотипным экспериментальным данным

Автор: Дискант, Владимир Алексеевич

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 1983

Место защиты: Харьков

Количество страниц: 227 c. ил

Артикул: 4026686

Автор: Дискант, Владимир Алексеевич

Стоимость: 250 руб.

Разработка оптимальных структурно-аналитических моделей и алгоритмов для распознавания объектов по разнотипным экспериментальным данным  Разработка оптимальных структурно-аналитических моделей и алгоритмов для распознавания объектов по разнотипным экспериментальным данным 

1У Всесоюзном симпозиуме по машинным методам обнаружения закономерностей
М1У, г. Новосибирск, ноябрь г.
Республиканской школесеминаре Автоматизация проектирования радиоэлектронных
систем, г. Харьков, октябрь г.
Региональной научнотехнической конференции Методы и практика математического
моделирования при разработке месторождений в сложных
геологогидрогеологических условиях, г. Белгород, июнь г.
Республиканской школесеминаре Автоматизация проектирования и управления
производством РЭА, г. Харьков,декабрь г.
Областной научнопрактической конференции Важнейшие направления развития АСУ
и ВТ в свете решений ХХУ1 съезда КПСС, г. Харьков, октябрь г.
заседаниях семинара Научного совета АН УССР по проблеме Кибернетика
Математические методы в задачах автоматизации проектирования и изготовления
систем летательных аппаратов, г. Харьков, г.г.
научнотехнических конференциях профессорскопрподава тельского состава
Харьковского ордена Ленина авиационного института им. Н.Е. Жуковского, г.
Харьков, г.г.
Разработанные алгоритмы реализованы в пакете прикладных программ КОД2,
внедренном на ряде предприятий народного хозяйства. Годовой экономический
эффект от внедрения результатов работы составляет тыс. рублей.
Диссертационная работа состоит из введения, четырех глав, заключения,
изложенных на 1 странице машинописного текста, содержит рисунков,
таблиц, библиографию из 5 наименований отечественной и зарубежной литературы
и два приложения.
В первой главе описаны особенности задач распознавания сложных объектов по
разнотипным экспериментальным данным, проведен анализ существующих методов
распознавания. Кратко описан структурноаналитический метод классификации и
сформулированы задачи исследования.
Во второй главе приведена методика построения оптимальных
структурноаналитических моделей по таблицам экспериментальных данных с
разнотипными признаками. Изучена связь между характеристиками таблиц
истинности предикатов и структурой правила классификации. Проведен выбор и
обоснование критериев эффективности решающих правил. Описано решение задачи
построения таблиц истинности предикатов с минимальным числом фрагментов на
основе метода Штоффеля.
В третьей главе описаны методы построения правил классификации по бинарным
таблицам истинности. Предложена новая модификация метода ветвей и границ для
построения дерева решений с минимальным числом вершин. Проведено
экспериментальное исследование предложенных алгоритмов и сравнение с
известными методами распознавания.
В четвертой главе описана структура пакета прикладных программ КОД2, в
котором реализованы предложенные алгоритмы приведено описание входного языка
для определения параметров решаемой задачи и характеристики модулей,
составляющих функциональное и системное наполнение пакета изложены методика и
результаты решения практических задач диагностики технических средств
набору селекционных признаков.
Приложение I содержит листинги решения некоторых задач распознавания объектов.
Приложение 2 включает в себя документы о внедрении результатов работы.
Автор выражает глубокую благодарность научному руководителю, доценту,
кандидату технических наук СИРОДЖА Игорю Борисовичу за большую помощь и
внимание, оказанные при выполнении диссертационной работы.
В настоящей главе описаны особенности задач распознавания сложных объектов в
условиях априорной неопределенности, проведен анализ эффективности алгоритмов
распознавания для решения многоклассовых задач РО, особенностью которых
является разнотипность данных и жесткие ограничения на объем памяти и время
классификации. Кратко описан структурноаналитический метод классификации,
сформулированы задачи исследования.
Особенности задач распознавания сложных объектов в условиях априорной
неопределенности
В настоящее время методы теории распознавания образов широко применяются в
различных прикладных областях. Опыт решения практических задач показал, что
эффективность применения алгоритмов РО во многом определяется особенностями
конкретной задачи. Анализ этих особенностей позволяет определить требования к
системе РО и является необходимым этапом при разработке методов РО.
Можно выделить следующие основные задачи, для решения которых применяются
методы РО ,, классификационная обработка больших массивов
информации, оценка состояния систем и подсистем АСУ, сжатие данных, повышение
надежности и быстродействия систем переработки информации, управление
показателями эффективности, упрощение взаимодействия операторов и
пользователей АСУ с системой.
Одним из распространенных типов задач является классификационная обработка
данных КОД. Особенности задачи КОД заключаются в том, что экспериментальные
данные, по которым строятся
правила классификации ПК, содержат показатели, измеренные в различных шкалах
интервалов, отношений, наименований, порядка и др Поскольку большинство
известных алгоритмов РО предназначено для обработки количественных данных, то
особую актуальность приобретает проблема разработки методов распознавания
объектов по данным с разнотипными признаками.
Распознавание состояния технической системы техническая диагностика ,
основано на построении диагностических моделей и правил классификации
неисправностей по экспериментальным данным и направлено на повышение
надежности и ресурса технических систем. Одна из актуальных задач технической
диагностики диагностика технических средств АСУТП, поскольку отказ в
системах управления комплексами больших мощностей может нанести значительный
ущерб. Наиболее существенным требованием в подобных задачах является
быстродействие алгоритма распознавания неисправностей.
Одна из наиболее важных областей применения методов РО использование в
контуре управления АСУТП для оценки текущего состояния объекта 1,,. На
основе измерения набора параметров система РО распознает производственные
ситуации и корректирует значение управляющего воздействия на объект. При
реализации алгоритмов распознавания в АСУТП наиболее существенный фактор
ограничение на объем оперативной памяти, занимаемый процедурой классификации.
Учитывая эти особенности задач распознавания объектов, рассмотрим основные
требования к методам РО.
Разнотипность экспериментальных данных. При обработке данных, измеренных в
различных шкалах, результаты классификации не должны зависеть от числового
представления информации об объе
кте. Для формализации этого требования вводятся понятия шкалы и группы
допустимых преобразований шкал . Пусть заданы эмпирическая система с
отношениями множество объектов, 0 эмпирическое отношение на множестве
для признака Х числовая система с отношениями ЛЙ , где V
множество действительных чисел,
числовое отношение на множестве . Задана функция , гомоморфно
отображающая систему Е ъ Е . Тогда шкалой называется тройка Ед Е у X .
Если заданы шкалы и Ед,Е , то всякое преобразование такое, чтоУу,
называется допустимым. Допустимые преобразования определены для всех типов
шкал, встречающихся в практических задачах РО.
Так, для шкалы наименований допустимы взаимооднозначные преобразования,
позволяющие определять только отношение эквивалентности объектов для шкалы
интервалов допустимо линейное преобразование ЧХХв, Х0, где а И
6 действительные чис
ла . При разработке методов РО для обработки разнотипных данных необходимо,
чтобы преобразование значений измеряемых признаков входило в группу допустимых
преобразований для выбранного признака.
Многоклассовость ситуаций. Наиболее распространенный подход к решению К
классовой задачи основан на решении частных двухклассовых задач с последующей
организацией процедуры принятия решений по множеству ПК. Очевидный недостаток
такого подхода значительное увеличение затрат на этапе классификации новых
объектов. Эффективное решение подобных задач возможно при использовании ПК
специального вида, позволяющих достаточно просто описывать многоклассовые
ситуации.
Ограничения на объем машинной памяти и время вычислений.
При реализации алгоритмов распознавания в виде технических устройств или
специализированного программного обеспечения для управляющей ЭВМ одним из
решающих факторов при выборе метода РО является ограничение на объем памяти,
необходимый для хранения ПК и процедуры распознавания, а также время
классификации. Наиболее характерны такие требования для АСУ технологическими
процессами, в которых управление объектом ведется в реальном масштабе времени.
В этой связи особую важность приобретает задача выбора типа ПК, удовлетворяющих
этим требованиям.
Таким образом, проведенный анализ особенностей задач распознавания сложных
объектов позволяет сформулировать следующие основные требования к системам РО
инвариантность модели по отношению к допустимым преобразованиям шкал измерения
признаков
возможность компактного описания многоклассовых ситуаций
высокое быстродействие и малый объем занимаемой машинной памяти при
классификации новых объектов
возможность простой технической реализации получаемых правил классификации
простота интерпретации при формировании моделей изучаемых объектов.
Анализ существующих методов распознавания образов
В нвстоящее время теория РО представляет собой обширную область исследований,
направленных на решение задач классификационной обработки данных в различных
прикладных областях. Разработаны методы, позволяющие эффективно решать задачи
управления и автоконтроля 1,,,,,,2,3,9,3, распознавания
зрительных образов ,,, вопросы медицинской и технической диагностики
,, распознавание залежей полезных ископаемых ,, и т. д.
Характерной особенностью теории РО на современном этапе ее развития является
отсутствие единой модели, адэкватной всем задачам РО. В противоположность
этому проведенные исследования и опыт решения практических задач показали
целесообразность разработки моделей и алгоритмов, учитывающих специфику
конкретной прикладной задачи и эффективных при решении определенного класса
задач распознавания.
Рассмотрим постановку задачи РО в общем виде. Одним из основных понятий теории
РО является понятие образа класса. Распознаваемые объекты можно представить
в виде вектора измерений
определенных свойств объекта признаков
Каждый вектор X можно рассматривать как точку в многомерном пространстве X
называемом пространством описаний. Под клас
сом понимается подмножество объектов, обладающих общими свойствами. Формально
введение


Глава I. ОБЗОР И АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ РАСПОЗНАВАНИЯ ОБЪЕКТОВ. ФОРМУЛИРОВКА ЗАДАЧ ИССЛЕДОВАНИЯ. Анализ существующих методов распознавания образов. Структурноаналитический метод классификации. Глава 2. МОДЕЛЕЙ РАСПОЗНАВАНИЯ ОБЪЕКТОВ. ПРЕДИКАТОВ. Разработка структурноаналитических моделей распознавания объектов. Глава 3. ПРАВИЛ КЛАССИФИКАЦИИ. Глава 4. Приложение I. Документы о внедрении результатов работы 4 Приложение 2. ЭВМ. ХХУ1 съезда КПСС подчеркивается необходимость решения проблемы . Н.Г. Загоруйко, Ю. И. Журавлев, Ю. А. Воронин, В. В. Александров, В. Гладун, К. С. Фу, Майзель и др. Г.С. Лбова
А. Н. Манохина, В. И. Котгокова. Цель работы. ГКНТ от г. Научная новизна. По результатам исследований опубликовано II работ. У Всесоюзном совещании Статистические методы в процессах управления, г. АлмаАта, сентябрь г. М1У, г. Новосибирск, ноябрь г. Харьков, октябрь г. Белгород, июнь г. РЭА, г. Харьков,декабрь г. ВТ в свете решений ХХУ1 съезда КПСС, г. Харьков, октябрь г. Харьков, г. Харьковского ордена Ленина авиационного института им. Н.Е. Жуковского, г. Харьков, г. Штоффеля. Приложение I содержит листинги решения некоторых задач распознавания объектов. Приложение 2 включает в себя документы о внедрении результатов работы. РО и является необходимым этапом при разработке методов РО. АСУ с системой. КОД. АСУТП для оценки текущего состояния объекта 1,,. РО. Разнотипность экспериментальных данных. Е ъ Е . Тогда шкалой называется тройка Ед Е у X . РО. Многоклассовость ситуаций. ПК. Ограничения на объем машинной памяти и время вычислений. РО. Рассмотрим постановку задачи РО в общем виде. РО является понятие образа класса. Л.
М . Известны различные способы классификации задач РО ,, ,. Н.Г. Загоруйко . ХуАФ,Ь 1. Отсутствие в 1. Ф , минимизирующее затраты Ы . X X. С . Ф . Это задача РО с самообучением или таксономия. В настоящей работе рассматриваются только задачи первого типа. Рассмотрим существующие подходы к решению задачи РО. ПК из заданного заранее класса ПК. В качестве ПК используется отношение правдоподобия. РО в условиях априорной неопределенности. РП. РП. Я.З. ЛДФ приведен в обзорах ,,,4. Предложенные Ю. РО. Понятие тупикового теста было впервые введено в работе . РП. Начало работ в этом направлении положено М. На основе разработанного М. В г. М.И. ОВ. Дальнейшее развитие эти идеи получили в работах Г. С. Лбова ,, В. Котюкова и А. ПК для пространств с разнотипными признаками. Г.С. А.Н. Манохина ,. Г.С. Лбова . РО ,. ОВ представляет собой чрезвычайно трудоемкую задачу. РП. АНАЛИЗАТОР приведена в работе . В работах Л.

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: 0.226, запросов: 244