Математические модели для анализа многомерных данных в задачах экологического мониторинга

Математические модели для анализа многомерных данных в задачах экологического мониторинга

Автор: Аль-Дауяни Сауд Хамдан Сейф

Шифр специальности: 05.13.18

Научная степень: Кандидатская

Год защиты: 2007

Место защиты: Таганрог

Количество страниц: 217 с. ил.

Артикул: 3392609

Автор: Аль-Дауяни Сауд Хамдан Сейф

Стоимость: 250 руб.

Математические модели для анализа многомерных данных в задачах экологического мониторинга  Математические модели для анализа многомерных данных в задачах экологического мониторинга 

ВВЕДЕНИЕ
ГЛАВА I. РАЗРАБОТКА МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ ПРОЦЕССОВ ПОЛУЧЕНИЯ И ОБРАБОТКИ МНОГОМЕРНЫХ ДАННЫХ
МОНИТОРИНГА МОРСКОЙ ПОВЕРХНОСТИ
Введение.
1.1. Базовые модели для построения пассивных систем дистанционного зондирования земной поверхности
1.2. Модели пассивного мониторинга оптического состояния поверхностных вод морей
1.3. Обобщенная модель искажений данных пассивного оптического мониторинга
1.4. Модели искажений и шумов многомерных данных оптического мониторинга, обусловленных морскими и атмосферными факторами
1.5. Дискретизация моделей многомерных данных экологического мониторинга
1.6. Модель локальной аддитивной помехи в многомерных данных экологического мониторинга.
1.7. Основные процедуры анализа многомерных данных экологического
мониторинга
Выводы по главе
ГЛАВА II. РАЗРАБОТКА МЕТОДОВ ГРАНУЛИРОВАНИЯ
МНОГОМЕРНЫХ ДАННЫХ ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
Введение.
2.1. Интеллектуальный подход к анализу многомерных данных
2.2. Проблема учета неопределенности при анализе многомерных данных. .
2.3. Гранулированные модели многомерных данных.
2.4. Методы агрегирования данных в теории информационной грануляции.
2.5. Энтропийные характеристики двумерной гранулированной информации.
2.6. Метод гранулирования многомерных данных с контролируемым
ростом энтропии
Выводы по главе
ГЛАВА III. РАЗРАБОТКА АРХИТЕКТУРЫ НЕЙРОННЫХ СЕТЕЙ ДЛЯ
АНАЛИЗА ГРАНУЛИРОВАННБ1Х МНОГОМЕРНЫХ ДАННБ1Х.
Введение.
3.1. Нейросетевые модели интеллектуальной обработки и анализа данных.
3.2. Методы анализа многомерных данных с помощью нейронных сетей.
3.3. Выбор функционального базиса для построений нейросетевых моделей гранулирования многомерных данных
3.4. Архитектура РБФсстей на основе Я моделей
3.5. Проектирование гранулирующего слоя РБФсетей на основе Ямоделей
3.6. Проектирование рабочего слоя РБФсетей на основе Я моделей
Выводы по главе.
ГЛАВА IV. РАЗРАБОТКА И ИССЛЕДОВАНИЕ РЕАЛИЗАЦИИ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ ОБРАБОТКИ МНОГОМЕРНЫХ ДАННЫХ
ЭКОЛОГИЧЕСКОГО МОНИТОРИНГА
Введение
4.1. Выбор средств реализации гибридных нейросетевых систем обработки и анализа многомерных данных
4.2. Исследование качества работы разработанного программного комплекса при решении задачи классификации зашумленных и искаженных данных.
4.3. Применение разработанного программного комплекса в задачах анализа данных мониторинга морской поверхности
4.4. Сравнительный анализ разработанного программного комплекса и
известных средств анализа изображений.
Выводы по главе.
ЗАКЛЮЧЕНИЕ
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ


Проведен ряд экспериментов по количественной оценке показателей разработанной нейросетевой интеллектуальной системы анализа данных при работе с зашумленными и искаженными изображениями, а также сравнение новой системы с известными системами обработки и анализа изображений на примере известных коммерческих программных средств, используемых в тех же условиях. Объектом исследования в диссертационной работе являются физические модели, описывающие процессы в системах пассивного зондирования морской поверхности и экологического мониторинга, а также гибридные гранулирующие нейросетевые архитектуры, позволяющие создать эффективные комплексы программ интеллектуальной обработки и анализа изображений различных объектов, получаемых в условиях высокого уровня помех и шумов. Методологическую основу работы составляет подход, суть которого состоит в разработке математических моделей физических процессов распространения и отражения световых волн и использование этих моделей в процессе проектирования систем интеллектуальной обработки и анализа многомерных данных на основе нейросетевого подхода, а также подход, использующий в процессе моделирования теорию информационной грануляции многомерных данных. В качестве основных методов исследования были использованы методы теории множеств, геометрии и топологии, методы теории оптимизации и теории информационной грануляции. Достоверность научных результатов подтверждается адекватностью и достоверностью исходных моделей и методов, результатами математического моделирования разработкой действующих комплексов программ и результатами натурных экспериментов. Десятой национальной конференции по искусственному интеллекту с международным участием КИИ, Обнинск, сентября г. Всероссийской научной конференции Нечеткие системы и мягкие вычисления, НСМВ, Тверь, сентября г. Седьмой международной научно технической конференции Искусственный интеллект интеллектуальные и многопроцессорные системы , Таганрог, сентября г. Международной научнотехнической конференции Искусственные интеллектуальные системы ШЕЕ АШОб, Дивноморское, сентября г. Международной конференции 1АБТЕО по искусственному интеллекту А1А , Инсбрук, Австрия, февраля г. Научной сессии МИФИ, Москва, января г. Международной конференции Искусственный интеллект. Интеллектуальные и многопроцессорные системы, Таганрог, сентября г. Всероссийской конференции молодых ученых Измерения, автоматизация и моделирование в промышленности и научных исследованиях, Бийск, июля г. На ежегодных конференциях молодых ученых и аспирантов ТРТУ. Результаты диссертационной работы внедрены в Научнообразовательном экологоаналитическом центре системных исследований, математического моделирования и геоэкологической безопасности Юга России в виде программного комплекса для решения задач, связанных с разработкой системы мониторинга экологического состояния Таганрогского залива Азовского моря на основе данных, полученных как непосредственными измерениями, так и с помощью космической фотосъемки региона. Диссертация содержит 7 страниц машинописного текста, включая введение, четыре главы, список литературы из 1 наименования, рисунок, таблиц. ГЛАВА . Основой процесса зондирования земной поверхности ,, является представление изображения поверхности как двумерной функции, возрастающей в соответствии с откликом различных областей на поверхности Земли на внешние источники энергии луч локатора или Солнце для пассивного зондирования. На начальных этапах развития теории зондирования простота растрового представления многомерных данных и использование математического аппарата классической евклидовой геометрии , позволила широко использовать стандартные методы компьютерной графики, основанные на геометрических свойствах изображений . Тем не менее, понятие изображения как ограниченного специализированного поля неадекватно включению этого вида многомерных данных в базы геоинформационных систем ГИС 1. Подход к изображениям как к результатам дискретизации некоторых непрерывных полей пригоден для глобального анализа в области мониторинга см. Рис.

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: 0.389, запросов: 244