Registration Number
0826U004964, PhD dissertation
Status
Доктор філософії
Date
27-08-2026
popup.evolution
.
Title
Methods and models for processing and analyzing heterogeneous data based on wavelet transform
Author
Daria V. Koshutina,
popup.head Galyna Shcherbakova
popup.opponent Volodymyr I. Lytvynenko
popup.opponent Khrystyna V. Lipianina-Honcharenko
popup.review Nataliia Volkova
popup.review Oksana Y. Babilunga
popup.rada
Odesa Polytechnic National University
Description
У вступі обґрунтовано актуальність вирішення задач обробки та аналізу гетерогенних даних (ГД) на основі вейвлет-перетворення (ВП). Виявлено недосконалість існуючих методів ВП в умовах потреби підвищення швидкодії та зниження ресурсоємності. Визначено об'єкт, предмет, задачі та методи дослідження; наведено наукову новизну, практичне значення результатів та внесок здобувачки.
В першому розділі проведено аналіз методів обробки ГД, отриманих на основі малих серій вимірів. Розглянуто обмеження при їх вимірюванні у дрібносерійному виробництві електроніки та телемедицині. Показано, що існуючі методи фільтрації, сегментації, ідентифікації та кластеризації не володіють необхідною швидкодією. Сформульовано науково-прикладну задачу: удосконалення методів аналізу малих наборів вимірів ГД, що дозволить підвищити швидкодію при достатньому рівні достовірності рішень. Запропоновано концептуальну модель оптимізації з ВП, особливістю якої є кількісний ентропійно-інформаційний аналіз (ЕІА) для обґрунтованого вибору виду ВФ та її масштабу.
В другому розділі запропоновано удосконалені методи оптимізації, кластеризації та нейромережевої класифікації з ВП. Удосконалено метод оптимізації на основі методу центрів з визначенням обмежень другого роду. Скорочення кількості етапів обробки гіперболічними ВФ (ГВФ) та кількості обчислень цільової функції дозволило підвищити швидкодію в 1,7–2,8 разів (при співвідношенні сигнал/шум до 6,4). Перший пункт наукової новизни: удосконалено метод оптимізації на основі методу центрів з ВП Хаара, що завдяки скороченню звернень до «оракулу» підвищило швидкодію обчислень.
На основі цього запропоновано удосконалення методу кластеризації з ВП. Для умов дрейфу центру кластера по лінійній траєкторії метод дозволяє оцінювати координати швидше від 1,2 до 1,3 разів. Другий пункт наукової новизни: удосконалено методи кластеризації за дисперсійною ознакою та з дрейфом центру кластера, що завдяки врахуванню обмежень через ВФ дозволило підвищити швидкодію обчислень.
Для класифікації розроблено модель MLP-KAN-WT, де у KAN-шарі використано ВФ. Застосування ЕІА дозволило обрати ВФ Добеші (db4) для фільтрації. Тестування дозволило досягти зростання швидкодії у 2,5–3 рази при точності 98,45%. Третій пункт наукової новизни: удосконалено метод нейромережевої класифікації ГД на базі архітектури KAN шляхом застосування ВФ, що підвищило точність ідентифікації станів об’єктів у зашумленому середовищі при мінімізації кількості параметрів.
В третьому розділі розроблено методи аналізу ГД з ВП для ЕКГ. Удосконалено метод пошуку екстремумів нестаціонарних сигналів через етап попередньої фільтрації, обраної на основі критерію ЕІК. Доведено, що максимальні значення ЕІК зосереджені в масштабах d3–d5, що відповідає частотному спектру комплексів QRS. Метод дозволив скоротити об’єм даних та підвищити швидкодію пошуку характерних точок ЕКГ.
В четвертому розділі розроблено методи аналізу ГД для електронних виробів та систем тривимірного комп’ютерного зору. На основі удосконаленого методу кластеризації проведено відбір резисторів за параметрами надійності, що підвищило швидкодію на 7–9%. Аналогічно удосконалено інформаційну технологію оцінки параметрів електронних компонентів. Для систем тривимірного комп'ютерного зору запропоновано метод оцінки діспарантності стерео-зображень. Особливістю методу є виділення контурів об'єктів з ВФ та обчислення мінімуму функції помилки розробленим методом оптимізації. Метод рекомендовано для систем, що працюють в умовах обмеженості обчислювальних та енергетичних ресурсів.
Registration Date
2026-08-31
popup.nrat_date
2026-08-31 / 2026-09-16
