Распознавание динамических образов интеллектуальной распределённой информационно-измерительной системой сегментарного типа

• Автор: Ким, Александра Юрьевна
• Шифр специальности: 05.13.18
• Научная степень: Кандидатская
• Год защиты: 2015
• Место защиты: Владивосток
• Количество страниц: 223 с. : ил.

Посвящается моим родителям, Ким Юрию Михайловичу и Ким Анне Михайловне

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

1. СОВРЕМЕННОЕ СОСТОЯНИЕ ПРОБЛЕМЫ И АНАЛИЗ СУЩЕСТВУЮЩИХ МЕТОДОВ РАСПОЗНАВАНИЯ

(КЛАССИФИКАЦИИ) ДИНАМИЧЕСКИХ ОБРАЗОВ

1.1 ПРИНЦИПЫ ОРГАНИЗАЦИИ И СТРУКТУРА ИНТЕЛЛЕКТУАЛЬНОЙ РАСПРЕДЕЛЁННОЙ ИНФОРМАЦИОННО-ИЗМЕРИТЕЛЬНОЙ
СИСТЕМЫ

1.1.1 Структура ИРИИС на основе РВОИС сегментарного типа

1.2 МЕТОДЫ РАСПОЗНАВАНИЯ (КЛАССИФИКАЦИИ) ОБРАЗОВ
1.2.1 Методы факторного анализа
1.2.2 Методы регрессионного анализа
1.2.3 Нейронные сети
1.2.4 Методы поиска закономерностей (индукция правил)
1.3 ВЫВОДЫ
2. РАСПРЕДЕЛЁННАЯ ВОЛОКОННО-ОПТИЧЕСКАЯ ИЗМЕРИТЕЛЬНАЯ СЕТЬ СЕГМЕНТАРНОГО ТИПА
2.1 ВИДЫ УКЛАДКИ ВОЛОКОННО-ОПТИЧЕСКИХ ЛИНИЙ в РАСПРЕДЕЛЁННОЙ ВОЛОКОННО-ОПТИЧЕСКОЙ ИЗМЕРИТЕЛЬНОЙ СЕТИ СЕГМЕНТАРНОГО ТИПА
2.1.1 Ранг матрицы измерительной системы, как первичный критерий качества укладки интегральных линий
2.1.2 Основные механизмы аналитического решения задачи реконструкции
2.1.3 Механизм сокращения числа неизвестных измерительной системы: реконструкция точечных распределений
2.1.4 Механизм увеличения числа уравнений измерительной системы: реконструкция гладких распределений
2.2 ФИЗИЧЕСКИЕ ПРИНЦИПЫ ФУНКЦИОНИРОВАНИЯ РАСПРЕДЕЛЁННОЙ ВОЛОКОННО-ОПТИЧЕСКОЙ СЕТИ СЕГМЕНТАРНОГО

2.2.1 Общие принципы построения интегрирующих волоконно-оптических измерительных линий
2.2.2 Волоконно-оптические датчики на основе изгиба оптоволокна.
2.2.3 Волоконно-оптические датчики на основе одноволоконного многомодового интерферометра
2.2.4 Модель конструкции чувствительного элемента для волоконно-оптической измерительной линии на основе ОМИ

2.3 КОРРЕЛЯЦИОННАЯ ОБРАБОТКА СИГНАЛА НА ВЫХОДЕ ОДНОВОЛОКОННОГО МНОГОМОДОВОГО ИНТЕРФЕРОМЕТРА ПРИ МАКРОИЗГИБЕ
2.3.1 Обработка выходного оптического сигнала с чувствительного элемента на основе ОМИ
2.4 РАЗРАБОТКА ВОЛОКОННО-ОПТИЧЕСКОЙ ИЗМЕРИТЕЛЬНОЙ СИСТЕМЫ ОХРАНЫ ПЕРИМЕТРА
2.4.1 Принципы создания чувствительного элемента на основе многомодового волоконного световода
2.4.2 Принципы создания чувствительного элемента на основе одномодового волоконного световода
2.4.3 Создание волоконно-оптической измерительной линии на основе одномодового волоконного световода
2.4.4 Макет волоконно-оптической измерительной сети системы охраны периметра
2.5 ВЫВОДЫ
3. СИСТЕМА ОБРАБОТКИ ДАННЫХ РАСПРЕДЕЛЁННОЙ ВОЛОКОННО-ОПТИЧЕСКОЙ СЕТИ СЕГМЕНТАРНОГО ТИПА
3.1 СИСТЕМА ОБРАБОТКИ ДАННЫХ ДЛЯ РАСПОЗНАВАНИЯ ДИНАМИЧЕСКОГО ОБРАЗА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ
3.1.1 Разработка генератора выборки примеров сенсорных данных
3.1.2 Способы сжатия данных для формирования моделей образов по сгенерированным данным
3.1.3 Модуль преобразования реальных данных с макета ВОИС охраны периметра
3.1.4 Способы сжатия данных для формирования модели образа по реальным данным с макета ВОИС охраны периметра
3.1.5 Результаты численного моделирования и обработки по сгенерированным данным с применением нейронных сетей
3.1.6 Результаты исследований при обработке реальных данных с макета ВОИС охраны периметра с применением нейронных сетей
3.2 ОБРАБОТКА ДАННЫХ ДЛЯ РАСПОЗНАВАНИЯ ДИНАМИЧЕСКОГО ОБРАЗА С ИСПОЛЬЗОВАНИЕМ ПРОДУКЦИОННОЙ НЕЧЁТКОЙ
СИСТЕМЫ
3.2.1 Реализация продукционной нечёткой системы в виде нечёткого дерева решений по реальным данным с макета ВОИС охраны периметра
3.2.2 Результаты обработки данных продукционной нечёткой системой в виде нечёткого дерева решений
3.3 ВЫВОДЫ
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

где fJ : X= 1,...« —признаки, с помощью которых описываются объекты пространства X, со - подмножество признаков мощности не более К, а] -пороговое значение признака. Признаки могут быть разнотипными, то есть в общем случае множества различны. Наиболее распространённый случай -когда все признаки числовые: = Я. При этом числами могут кодироваться
признаки, измеренные в различных шкалах, в частности, бинарные, номинальные и порядковые признаки. Для количественных и порядковых признаков используются знаки сравнения < или >; для бинарных и номинальных — только равенство.
К набору закономерностей, образующих логический классификатор, дополнительно предъявляется требование взаимодополняемости (различности). Чаще всего логический классификатор представляет собой взвешенную сумму закономерностей:
где У - множество классов, у е У - фиксированный класс, осу, - неотрицательные веса. В данной форме могут быть представлены также решающие списки и деревья [61-63].
Требование взаимодополняемости закономерностей означает, что для
объект, то есть произойдёт отказ от классификации.
В состав экспертных систем продукционного типа входят: база правил (знаний), рабочая память и интерпретатор правил (решатель), реализующий определённый механизм логического вывода. Любое продукционное правило, содержащееся в базе знаний, состоит из двух частей: антецедента и консеквента. Антецедент представляет собой посылку правила (условную часть) и состоит из элементарных предложений, соединённых логическими связками «и», «или».
(1.2.8)
любого объекта выборки должна найтись закономерность Фу,, выделяющая данный объект. В противном случае алгоритм а(х) не сможет классифицировать