Разработка и исследование системы автоматизированного распознавания структуры экспериментальных кривых

• Автор: сангинов, Рустам Сангинович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 1984
• Место защиты: Ташкент
• Количество страниц: 235 c. : ил

ВВЕДЕНИЕ.
ГЛАВА СОВРЕМЕННОЕ СОСТОЯНИЕ И ПЕРСПЕКТИВЫ РАЗВИТИЯ МЕТОДА СТРУКТУРНОГО РАСПОЗНАВАНИЯ ОБРАЗОВ.

1,1 Основные понятия и определения метода структурного

распознавания образов

1,2 Задачи и методы структурного распознавания образов . .

1,3 Сегментация начальный этап структурного представления образов.

1.4 Формальные языки и грамматики как средство анализа

структуры образов

1,4.1 Цепочные грамматики.

1.4.2 Графовые грамматики.

ГЛАВА II СТРУКТУРНОЕ ПРЕДСТАВЛЕНИЕ ЭКСПЕРИМЕНТАЛЬНЫХ КРИВЫХ,

2.1 Классификация методов сегментации экспериментальных
кривых.
2.2 Формализация метода формирования примитивов экспериментальных кривых.
2.2.1 Способ реализации оператора выделения и дискретизации примитивов
2.2.2 Способ реализации оператора структурного представления
экспериментальных кривых
2.3 Оценка объема информации при структурном представлении экспериментальных кривых.
ГЛАВА Ш СИСТЕМА АВТОМАТИЗИРОВАННОГО РАСПОЗНАВАНИЯ СТРУКТУРЫ ЭКСПЕРИМЕНТАЛЬНЫХ КРИВЫХ САРСЭК.
3.1 Функциональное назначение и принцип построения САРСЭК.
3.2 Критерии выбора параметров аппаратного комплекса
3.3 Синтез оптимальной структуры аппаратного комплекса
САРСЭК.
3.4 Описание функционирования блока сегментации экспериментальных кривых и оценка его точности .
3.5 Вычислительное устройство определения составных
параметров кривых
3.6 Язык структурного описания экспериментальных
кривых ЯСОЭК.
3.6.1 Грамматика ЯСОЭК и ее структура.
3.6.2 Элементы атрибутной грамматики и их семантика
3.6.3 Основные свойства и особенности ЯСОЭК
3.7 Модель синтеза грамматики ЯСОЭК
3.7.1 Начальное структурное представление примитивов
3.7.2 Структурное описание подобразов кривых .
3.7.3 Алгоритм автоматического синтеза атрибутной грамматики.
3.8 Оценка сложности дерева структуры кривой .
3.9 Алгоритм структурного распознавания экспериментальных
ГЛАВА 1У ЭКСПЕРИМЕНТАЛЬНЫЕ РЕЗУЛЬТАТЫ ПРИМЕНЕНИЯ САРСЭК.
4.1 Описание функционирования САРСЭК
4.2 Анализ и сравнительная оценка вычислительной сложности метода структурного распознавания кривых с другими
методами теории распознавания .
4.3 Экспериментальное применение САРСЭК для задач виброа
кустической диагностики двигателей внутреннего сгоранияЛ 4.4 Экспериментальное применение САРСЭК для автоматизации
обработки реоэнцефалографической информации .
ЗАКЛЮЧЕНИЕ.
ЛИТЕРАТУРА


Основная задача структурного распознавания заключается в том, что используя различные лингвистические конструкции, которые образуются из словаря признаков с помощью некоторой грамматики (правила конструирования фраз), необходимо производить структурное описание сложных образов и осуществить их классификацию. Общая постановка задачи структурного распознавания следующая. Пусть заданы А/ классов образов 0? Требуется описать структуру этих образов и осуществить их классификацию. Решение этих задач начинаются с форшфования множества примитивов 2 с соответствующими им пространство структурных признаков, образующих словарь признаков и содержащих семантическую информацию. Л $ "правее", "левее" и т. Элементы множества /т и их семантическая информация формируются в результате сегментации образа 0; на отдельные фрагменты и идентификации примитивов. Каждый образ 0'ь рассматривается как цепочка или предложение, составленные из элементов множества У г • Допустим, что известен ряд правил конструирования предложений из элементов ]/т , т. Порождаемые этими грамматиками языки 1>(ГЬ) строят предложения, каждое из которых описывает структуру одного из образов 0'ь , т. V*. Е* цепочка 2 представляется в виде систем окрестностей II и считается, что 1} является структурным описанием цепочки 2 . Таким образом, рассматривая совместно различные системы окрестностей и , определяются, так называемые, ядерные структуры, представляющие собой описание классов. Классификация исследуемых образов, согласно этого метода, производится по условию вхождения окрестностей предъявляемого образа к подмножеству дцерных структур. Данный метод структурного распознавания допускает элементы самообучения и может рассматривать сочетания примитивов с различной глубиной соседства.