Пошук академічних текстів

Інформація × Реєстраційний номер 2118U005321, Матеріали видань та локальних репозитаріїв Категорія Опубліковано, Стаття Назва роботи МЕТОДИ СТРУКТУРНОЇ КЛАСИФІКАЦІЇ ЗОБРАЖЕНЬ НА ЗАСАДАХ БАЄСОВСЬКОЇ ТЕОРІЇ ПРИЙНЯТТЯ РІШЕНЬ Автор Гадецька С. В.Гороховатський В. О.Gadetska S. V.Gorokhovatsky V. A. Дата публікації 04-10-2018 Постачальник інформації Журнал "Радіоелектроніка, інформатика, управління" (Національний університет "Запорізька політехніка") Першоджерело https://ric.zp.edu.ua/article/view/142992 Видання National University "Zaporizhzhia Polytechnic" Опис Актуальність. Забезпечення результативності та багатофункціональності сучасних систем комп’ютерного зору вимагаєстворення різноманіття ефективних методів інтелектуального оброблення візуальної інформації. Розвиток систем структурногорозпізнавання безпосередньо пов’язаний як із побудовою нових ефективних методів, так і з необхідністю створення дієвого механізмуоцінювання результативності таких методів для довільних прикладних зразків візуальних даних. Одним із засобів, що базуються настатистичних характеристиках структурних даних, є апарат баєсовської теорії прийняття рішень. Обчислення апостеріорнихймовірностей віднесення опису візуального об’єкта до множини еталонів дає можливість як безпосередньо здійснювати розпізнаванняна їх підставі, так і попередньо оцінити результативність процедур порівняння чи обчислення релевантності описів стосовноконкретної прикладної бази зображень. Особливу увагу приділяють вивченню структури множини дескрипторів зображень, щобезпосередньо впливає на показники функціонування систем розпізнавання.Мета. Вивчення можливості та особливостей застосування статистичної теорії розпізнавання щодо механізму прийняття рішеньта оцінювання ефективності у виді ймовірностей віднесення опису об’єкта до класу, а також порівняння отриманих результатівобчислень із експериментальними даними комп’ютерного моделювання.Метод. Запропоновано метод розпізнавання на основі застосування кластерних характеристик бази еталонних зображень ізвикористанням баєсовської теорії прийняття рішень. Підсумком дослідження є створення механізму розпізнавання та оцінюваннярезультативності процедур обчислення релевантності структурних описів.Результати. Головним результатом статті є підтвердження фундаментального зв’язку методів порівняння з еталоном тастатистичного підходу у розпізнаванні образів стосовно структурних описів у вигляді множини характерних ознак зображень, якірезультативно представлено кластерним виглядом. Запропонований у роботі більш простий в аспекті обчислювальних витратстатистичний підхід на підставі баєсовських оцінок може застосовуватися для попередніх розрахунків ефективності розпізнаваннябез проведення затратних експериментів з програмного моделювання.Засвідчено ефективність розробленого методу обчислення ймовірнісних оцінок розпізнавання для прикладних баз зображень.Результат класифікації продемонстрував універсальність та коректність застосування методу, кожний із тестових об’єктів у декількохрозглянутих базах зображень розпізнаний правильно.Здійснено порівняння отриманих кількісних результатів обчислень із експериментальними даними комп’ютерного моделювання.Висновки. У проведеному дослідженні запропоновано метод структурної класифікації зображень на основі кластерного поданняопису засобами баєсовської теорії прийняття рішень. Основна ідея застосування належного математичного апарату полягає увіднесенні аналізованого об’єкту до еталону, що має найбільше значення апостеріорної ймовірності. Розроблений метод забезпечуєдостатній рівень розрізнення зображень, що підтвердили описані розрахунки та результати моделювання. Впроваджено механізмоцінювання результативності аналізованих методів структурного розпізнавання в межах прикладної бази зображень.Наукова новизна дослідження полягає у синтезі нового методу структурного розпізнавання зображень та попереднього оцінюванняефективності шляхом застосування засобів баєсовської теорії прийняття рішень і побудови класифікаційних висновків у просторікластер-еталон.Практична значущість роботи – отримання прикладних розрахункових моделей для застосування методів структурногорозпізнавання і підтвердження їх результативності в конкретних прикладах базах зображень. Додано в НРАТ 2026-02-09 Закрити