Реєстраційний номер
0825U000499, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
10-04-2025
Статус
Захищена
Назва роботи
Негаусівські ймовірнісні моделі та інформаційні технології для розпізнавання образів
Здобувач
Трухов Артем Сергійович, аспірант
Керівник Приходько Сергій Борисович
Опонент Голуб Сергій Васильович
Опонент Горбань Гліб Валентинович
Рецензент Макарова Лідія Миколаївна
Рецензент Фаріонова Тетяна Анатоліївна
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний університет кораблебудування імені адмірала Макарова
Опис
Дисертаційна робота присвячена вирішенню важливого науково-практичного завдання підвищення ймовірності та точності розпізнавання образів шляхом побудови ймовірнісних моделей, зокрема, еліпсоїдів прогнозування для нормалізованих даних та створенню на їх основі інструментарію інформаційної технології (ІТ) обробки інформації для розпізнавання облич та клавіатурного почерку.
Актуальність роботи полягає в тому, що розпізнавання образів є важливою складовою багатьох сучасних технологій, таких як біометричні системи, системи відеоспостереження, автоматизовані системи контролю доступу, медичні дослідження та інші. Тому недостатня ймовірність розпізнавання образів може мати серйозні наслідки. У зв'язку з цим на сьогодні існує потреба в розробці та вдосконаленні методів розпізнавання, що забезпечують високу точність та надійність в умовах змінних і багатовимірних даних.
Метою дисертаційної роботи є підвищення ймовірності та точності розпізнавання образів, зокрема за рахунок побудови негаусівських ймовірнісних моделей для нормалізованих даних.
Робочою науковою гіпотезою дисертаційного дослідження є твердження, що підвищення ймовірності та точності розпізнавання образів досягається за рахунок використання негаусівських ймовірнісних моделей, які дозволяють враховувати відмінність розподілу даних від нормального.
Для побудови вказаних негаусівських ймовірнісних моделей пропонується використовувати відповідний метод на основі багатовимірних нормалізуючих перетворень, які дозволяють враховувати кореляцію між змінними та наблизити розподіл до нормального, що підвищує ймовірність та точність розпізнавання образів.
Для досягнення поставленої мети необхідно вирішити такі завдання:
- проаналізувати існуючі математичні моделі, що використовуються для розпізнавання образів, та оцінити їх точність при роботі з негаусівськими даними;
- дослідити існуючі нормалізуючі перетворення та методи для оцінювання їх параметрів; обрати перетворення для нормалізації десятивимірних векторів характеристик облич та дев’ятивимірних векторів характеристик клавіатурного почерку;
- побудувати ймовірнісну модель для розпізнавання облич у вигляді еліпсоїда прогнозування з квантилем F-розподілу для нормалізованого вектору характеристик, який побудовано за допомогою десятивимірного нормалізуючого перетворення;
- побудувати ймовірнісну модель для розпізнавання клавіатурного почерку у вигляді еліпсоїда прогнозування з квантилем F-розподілу для нормалізованого вектору характеристик, який побудовано за допомогою дев’ятивимірного нормалізуючого перетворення;
- удосконалити ймовірнісну модель для розпізнавання облич у вигляді еліпсоїда прогнозування з квантилем Хі-квадрат для нормалізованого вектору характеристик, який побудовано за допомогою десятивимірного нормалізуючого перетворення;
- удосконалити ймовірнісну модель для розпізнавання клавіатурного почерку у вигляді еліпсоїда прогнозування з квантилем Хі-квадрат для нормалізованого вектору характеристик, який побудовано за допомогою дев’ятивимірного нормалізуючого перетворення;
- створити на основі удосконалених ймовірнісних моделей інформаційні технології для розпізнавання облич і клавіатурного почерку.
Наукова новизна одержаних результатів полягає у наступному.
1) Вперше побудована ймовірнісна модель для розпізнавання облич у вигляді еліпсоїда прогнозування з квантилем F-розподілу для нормалізованого вектору характеристик, яка на відміну від існуючих моделей враховує відхилення розподілу даних від гаусівського завдяки застосуванню десятивимірного перетворення Бокса-Кокса та кількість точок даних завдяки використанню квантиля F-розподілу, що дозволяє підвищити точність і ймовірність розпізнавання облич.
2) Вперше побудована ймовірнісна модель для розпізнавання клавіатурного почерку у вигляді еліпсоїда прогнозування з квантилем F-розподілу для нормалізованого вектору характеристик, яка на відміну від існуючих моделей враховує відхилення розподілу даних від гаусівського завдяки застосуванню дев’ятивимірного перетворення Бокса-Кокса та кількість точок даних завдяки використанню квантиля F-розподілу, що дозволяє підвищити точність і ймовірність розпізнавання клавіатурного почерку.
3) Удосконалено ймовірнісну модель для розпізнавання облич у вигляді еліпсоїда прогнозування з квантилем Хі-квадрат для нормалізованого вектору характеристик, яка на відміну від існуючих моделей враховує відхилення розподілу даних від гаусівського завдяки застосуванню десятивимірного перетворення Бокса-Кокса, що дозволяє підвищити точність і ймовірність розпізнавання облич.
4) Удосконалено ймовірнісну модель для розпізнавання клавіатурного почерку у вигляді еліпсоїда прогнозування з квантилем Хі-квадрат для нормалізованого вектору характеристик, яка на відміну від існуючих моделей враховує відхилення розподілу даних від гаусівського завдяки застосуванню дев’ятивимірного перетворення Бокса-Кокса, що дозволяє підвищити точність і ймовірність розпізнавання клавіатурного почерку.
Дата реєстрації
2025-02-11
Додано/оновлено в НРАТ
2025-02-11 / 2026-07-01
