Алгоритмы автоматизированного поиска признаковых пространств на основе характерных последовательностей в цифровых сигналах

• Автор: Горшков, Алексей Павлович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Рыбинск
• Количество страниц: 165 с. : ил.

ОГЛАВЛЕНИЕ

Оглавление .

Список обозначений .

Список сокращений .

Введение

ГЛАВА 1. Анализ методов классификации цифровых сигналов на основе

обучающей выборки .

1.1. Постановка задач классификации сложных объектов по цифровым

сигналам и автоматизированного поиска признаковых пространств

1.2. Классификация методов и систем распознавания цифровых сигналов .

1.3 Базовые алгоритмы и методы поиска признаковых пространств .

1.4. Анализ методов оценки эффективности систем распознавания образов
Выводы
ГЛАВА 2. Разработка комплекса алгоритмов и методики поиска признаковыхпространств для классификации цифровых сигналов . .
2.1. Этапы синтеза систем классификации цифровых сигналов
2.2. Определение семейства признаков на основе частот характерных последовательностей . .
2.3. Алгоритмы.формирования конечного множества возможных признаков.
2.4. Алгоритм поиска информативного рабочего множества признаков
2.5. Алгоритм повышения эффективности признакового пространства .
2.6. Алгоритмы оценки информативности признаковых пространств .
2.7. Методика формирования признакового пространства на основе частот характерных последовательностей
2.8. Интерпретация признаков на основе частот характерных
последовательностей .
Выводы
Г ЛАВА 3. Анализ эффективности алгоритмов автоматизированного поиска признаковых пространств для классификации цифровых сигналов .
3.1. Поиск признаковых пространств для эталонных задач классификации цифровых сигналов .
3.2. Диагностика состояния подшипников трансмиссии ГТД на основе частот характерных последовательностей вибросигналов .
3.3. Поиск признаковых пространств для классификации фрагментов
изображений дистанционного мониторинга местности
3.3.1. Поиск признакового пространства для классификации фрагментов со следами шин на снимках кадровой телевизионной камеры .
3.3.2. Поиск признаковых пространств для классификации фрагментов леса на снимках дистанционного мониторинга местности.
3.4. Анализ результатов классификации цифровых сигналов .
3.4.1. Сопоставительный анализ методов классификации цифровых
сигналов.
3.4.2. Оценка эффективности дополнительных алгоритмов поиска признаковых пространств
3.4.3. Зависимость точности распознавания от размера обучающей выборки и1 количества признаков
3.4.4. Проблема переобучения при поиске признаков .
Выводы
ГЛАВА 4. Программная среда поддержки разработки и исследования алгоритмов автоматизированного поиска признаковых пространств для классификации цифровых сигналов .
4.1. Проблемы и принципы построения систем оптимизации алгоритмов и алгоритмических схем классификации цифровых сигналов .
4.2. Элементы программной среды поддержки алгоритмов и алгоритмических схем Библиотека алгоритмов
4.3. Автоматизированный поиск признаков в системе классификации
цифровых сигналов .
Выводы
Заключение
Список использованных источников


Математическая модель сигналов или неизвестна, или настолько сложна, что ее. Построение классификаторов на основе непосредственно наблюдаемых сигналов невозможно изза очень большого размера данных. Необходимо предварительное извлечение из наблюдаемых сигналов информативных признаков после чего задача классификации решается известными методами. Формальные методы поиска признаков при неопределенной математической модели сигнала отсутствуют. Часто используются известные из других приложений методы без обоснования их эффективности например, спектральное представление сигнала. Множество признаков, характеризующих объект, выбирается специалистом, а эффективность выбора или его ошибочность становится ясной после разработки, тестирования и использования системы распознавания или обработки информации, когда модификации, корректировки, доработки аппаратуры или программного обеспечения трудны, дороги и требуют много времени. Процесс выбора характерных признаков не может быть формализован. Однако в рамках выбранного семейства признаков можно избавить специалиста от перебора вариантов и автоматизировать поиск наиболее информативных признаков. В диссертации спроектировано семейство признаков на . Алгоритмы поиска и оптимизации признаковых пространств для классификации цифровых сигналов,. Цель исследований заключается в разработке алгоритмов автоматизированного поиска признаковых пространств, позволяющих повысить вероятность правильного распознавания в системах классификации цифровых сигналов, а также уменьшить время разработки таких систем. Формализована задача поиска эффективных признаковых пространств для классификации цифровых сигналов. Проведен системный1 анализ алгоритмов, вычисления признаков цифровых сигналов. Разработан комплекс алгоритмов автоматизированного поиска эффективных признаковых пространств для классификации цифровых сигналов. Разработано специальное программное обеспечение поддержки разработки и исследования алгоритмов и алгоритмических схем обработки и анализа цифровых сигналов, поиска признаковых пространств и структурно сложных алгоритмов принятиярешений. Произведен анализ эффективности систем классификации цифровых сигналов на основе найденных признаковых пространств по критерию вероятности правильного распознавания. Для формализации задач использован теоретикомножественный подход общей теории систем. Экспериментальная оценка качества решения задач классификации цифровых сигналов выполнялась методами испытания на независимых отложенных данных и скользящего контроля. Полученные результаты составляют алгоритмическую и программную основу для решения задач автоматизированного поиска признаковых пространств для классификации цифровых сигналов, что позволяет оптимизировать обработку информации в системах распознавания образов и повысить вероятность правильного распознавания в приложениях. Предложенные решения могут быть использованы в областях технической и медицинской диагностики, контроля качества продукции, дистанционного мониторинга местности, видеонаблюдсния, робототехники, автоматического анализа речи, анализа массивов мультимедиа данных и других. Создана программная среда поддержки разработки и исследования, алгоритмов, и алгоритмических схем цифровой обработки сигналов, распознавания образов и других. Эта среда внедрена вОАО Конструкторское бюро Луч г. Рыбинск в составе комплекса обработки изображений дистанционного мониторинга местности многофункциональной визуальной информационной системы. На е основе реализован комплекс алгоритмов автоматизированного поиска признаковых пространств для классификации цифровых сигналов, а также алгоритмы предварительной обработки временных рядов и изображений. Введено новое семейство алгоритмов вычисления признаков цифровых сигналов, основанное на сопоставлении сегментов сигнала и вычислении частот появления в сигнале характерных последовательностей, и установлено, что это позволяет повысить качество систем распознавания образов, по критерию максимума вероятности правильного распознавания.