Применение информационной меры однородности в задачах автоматической классификации объектов и распознавания образов

• Автор: Маматов, Евгений Михайлович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Белгород
• Количество страниц: 158 с. : ил.

Содержание
Введение.

Глава 1. Методы классификации объектов и распознавания образов.

1.1. Методы и алгоритмы классификации объектов

4 1.2. Методы и алгоритмы распознавания образов.

1.3. Распознавание образов на основе алгоритмов вычисления оценок.

1.4. Постановка задач исследований

Глава 2. Разработка и применение информационной меры однородности характеристик объектов в вариационном алгоритме автоматической классификации объектов.

2.1. Вариационные алгоритмы автоматической классификации объектов

критерии качества классификации объектов

2.2 Разработка и исследование свойств критерия однородности основанного на информационной мере.
2.3. Построение функционала качества классификации объектов
на базе критерия однородности.
2.4. Разработка алгоритма классификации объектов с новым
функционалом качества.
2.5. Вычислительные эксперименты по сравнению работы алгоритма КРАБ с новым вариационным алгоритмом
автоматической классификации объектов.
2.6. Вычислительный эксперимент по оценке классификации объектов вариационным алгоритмом с новым функционалом качества.
2.7. Основные результаты и выводы главы.
Глава 3. Разработка и применение информационной меры однородности характеристик объектов при распознавании образов.
3.1. Разработка и исследование меры информативности признаков при распознавании образов с использованием алгоритмов
вычисления оценок АВО.
3.2. Вычислительные эксперименты по сравнению значения веса
признака с оценкой вероятности правильного распознавания
3.3. Разработка и исследование меры репрезентативности классов
в методе АВО распознавания образов
3.4. Вычислительный эксперимент по сравнению работы АВО с использованием весов признаков и репрезентативностей
классов и без их использования
3.5. Основные результаты и выводы главы.
Глава 4. Программная поддержка вариационного алгоритма
автоматической классификации объектов и алгоритма распознавания
образов на основе информационной меры однородности.
4.1. Обоснование выбора аппаратно программной платформы для
прототипа системы классификации объектов и распознавания образов
4.2. Основные функции прототипа системы и их использование .
4.3. Описание структуры данных прототипа системы
4.4. Описание пользовательского интерфейса прототипа системы
4.5. В ычислительн ые эксперименты
4.5.1. Автоматизированное районирование экологического состояния
территории города по данным лихеноиндикации.
4.5.2. Использование вариационного алгоритма для
классификации изображений.
4.6. Основные результаты и выводы главы.
Заключение.
Литература


О - мера однородности расстояний между центрами тяжестей классов; Н - мера однородности количества элементов, распределенных по классам; О - мера однородности расстояний между элементами одного и того же класса; И. Мера однородности максимальных расстояний между объектами одного и того же класса. В рамках настоящей работы разработан вариационный алгоритм автоматической классификации с новым функционалом качества классификации объектов. Как показали проведенные эксперименты, разработанный алгоритм наилучшим образом классифицирует исходные множества объектов с точки зрения человеческих предпочтений. Алгоритм не требует априорного задания количества классов, что важно при обработке экспериментальных данных, когда исследователь не всегда знает количество получаемых классов. Конечное разбиение объектов на классы соответствует глобальному экстремальному значению функционала, а не локальному. Вариационный алгоритм может выделять в отдельные классы объекты-прецеденты. Вычислительные эксперименты по сравнению работы алгоритма КРАБ с новым вариационным алгоритмом автоматической классификации объектов. Вычислительный эксперимент по оценке правильной классификации объектов вариационным алгоритмом с новым функционалом качества. Вычислительные эксперименты с вариационным алгоритмом показали его универсальность и независимость от конкретных прикладных областей, следовательно, его можно использовать во многих областях науки и техники. Разработан и исследован критерий однородности, основанный на информационной мере. Разработан и исследован вариационный алгоритм автоматической классификации объектов на основе информационной меры однородности. Глава 3. В третьей главе обозначена проблема формирования признакового пространства, так как в случаях, когда априорный словарь признаков неизвестен, и представляется возможным получить только некоторую совокупность реализаций сигналов, характеризующих явления или процессы. В данных случаях возникает следующая задача: на основе совокупности сигналов, характеризующих некие классы объектов, определить и упорядочить признаки, приписывая больший вес признаку, несущему больше информации при различении объектов. Таким образом, зная информативность каждого признака можно сформировать словарь признаков, включая в него только признаки с наибольшим весом. В настоящей главе предложен новый способ количественной оценки весов признаков, который дает возможность упорядочить признаки, приписывая больший вес признаку, несущему больше информации при решении задач классификации объектов и распознавания образов. Вычислительный эксперимент по сравнению значения веса признака, вычисленного с помошью разработанной меры однородности, с оценкой вероятности правильного распознавания показал прямо пропорциональную зависимость оценки вероятности правильного распознавания от значения веса признака. Вычислительный эксперимент по сравнению АВО с использованием весов признаков и репрезентативностей классов и без их использования действительно показал то, что применение информационной меры однородности в алгоритмах вычисления оценок не только придает им гибкость, но в некотором смысле увеличивает устойчивость работы АВО. Разработана и исследована мера репрезентативности классов в методе АВО распознавания образов. Глава 4. Разработанный в главе 2 алгоритм автоматической классификации объектов относится к вариационным алгоритмам. Поэтому его целесообразно использовать при агрегировании элементов произвольной природы в научных исследованиях. Отсюда вьггскает необходимость создания программной поддержки вариационного алгоритма. Г Генерировать исходное множество объектов случайным образом по нормальному закону распределения в двухмерном признаковом пространстве. Данные генерации сохраняются в базе данных (БД) для последующего их разбиения на классы. Ввод исходных данных в ручную в семимерном признаковом пространстве. С последующим их сохранением в БД для проведения классификации. Данные в БД представляется возможным редактировать и сохранять заново. С помощью вариационного алгоритма автоматической классификации объектов производить агрегирование исходного множества объектов.