Центр сопряженного мониторинга окружающей среды и природных ресурсов
«Мониторинг. Наука и технологии» Рецензируемый и реферируемый научно-технический журнал
Меню раздела «МНТ»
ГЛАВНАЯ
цели и задачи
Перечень ВАК
ВЫПУСКИ
2019
2018
2017
выпуск №1
выпуск №2
статья #01
статья #02
статья #03
статья #04
статья #05
статья #06
статья #07
статья #08
статья #09
статья #10
статья #11
статья #12
выпуск №3
выпуск №4
2016
2015
2014
2013
2012
2011
2010
2009
все выпуски
АВТОРАМ
этика
порядок рецензирования
правила для авторов
ПОДПИСКА
О ЖУРНАЛЕ
главный редактор
редакционный совет
редакционная коллегия
документы
свидетельство
issn
ENG
Меню разделов
ГЛАВНАЯ
Раздел: «ЦЕНТР»
Раздел: «МНТ»
Раздел: «ЭЦП»
Раздел: «MST»

Томакова Р.А., Брежнева А.Н., Корсунский Н.А.
Построение системы распознавания образов на основе реализации метода потенциальных функций
Development of the system of images recognition based on the implementation of the method of potential functions
УДК:
004.931
Аннотация:
В статье рассматриваются возможные подходы к определению разделяющих границ. Реализован метод, основанный на использовании потенциальных функций. Рассматриваются возможности построения классификаторов, основанных на решающих функциях, анализируются условия выбора подходящего метода для реализации этих функций. Для успешного функционирования классификаторов, входящих в систему распознавания, была разработана программа на языке С#, предназначенная для построения разделяющих границ между двумя классами, позволяющая редактировать ее путем добавления новых записей, удаления выборочных информативных признаков, внесения изменений значений в совокупности векторов образов, образующих классы. Разработанная система распознавания образов позволяет осуществлять классификацию и создавать разделяющие границы для таких классов выборочных образов, которые линейно неразделимы и предназначены для интеллектуальных систем анализа.
Ключевые
слова:
системы распознавания, разделяющие границы, классификация образов
Abstracts:
The paper considers possible approaches to the detection of separating boundaries. A method based on the use of potential functions has been implemented. We analyzed the possibilities of classifiers construction based on decision functions, and the conditions of choosing the appropriate method for the realization of these functions. For the successful functioning the classifiers included in the recognition system, a C# program has been designed building boundaries between two classes. This program can be edited by adding new records, deleting selective informative features, changing values in the set of image vectors forming classes. The developed system of pattern recognition gives possibility to classify and create boundaries for such classes of selective patterns, which are linearly non-separable and designed for intelligent systems of analysis.
Keywords:
recognition systems, dividing boundaries, classification of images

Текст статьи Текст статьи
0,9 МБ
Скачать

вернуться к списку статей

Авторы статьи:
ТОМАКОВА
Римма Александровна
rtomakova@mail.ru
доктор технических наук, профессор кафедры программной инженерии Юго-Западного государственного университета
БРЕЖНЕВА
Александра Николаевна
a.brezhneva@hotmail.com
кандидат технических наук, доцент кафедры информатики Российского экономического университета имени Г.В.Плеханова
КОРСУНСКИЙ
Никита Александрович
cor.nick2013@yandex.ru
cтудент Юго-Западного государственного университета
Список литературы:
1.
Белобров А.П., Борисовский С.А., Томакова Р.А. Нейросетевые модели морфологических операторов для сегментации изображений медицинских сигналов // Известия ЮФУ. Технические науки. 2010. № 8 (109). С. 28-32.
2.
Борисовский С.А., Брежнева А.Н., Томакова Р.А. Нейросетевые модели с иерархическим пространством информативных признаков для сегментации плохоструктурированных изображений // Биомедицинская радиоэлектроника. 2010. № 2. С. 49-53.
3.
Томакова Р.А., Филист С.А., Жилин В.В., Горбатенко С.А. Структурно-функциональные решения нечетких нейронных сетей для интеллектуальных систем анализа разнотипных признаков // Фундаментальные и прикладные проблемы техники и технологии. 2011. № 1. С. 85-91.
4.
Томакова Р.А., Филист С.А., Яа Зар До. Универсальные сетевые модели для задач классификации биомедицинских данных // Известия Юго-Западного государственного университета. 2012. № 4-2 (43). С. 44-50.
5.
Томакова Р.А., Насер А.А., Шаталова О.В. Математическое обеспечение распознавания и классификации сложноструктурируемых биологических объектов // Международный журнал прикладных и фундаментальных исследований. 2012. № 4. C. 48-29.
6.
Томакова Р.А., Филист С.А., Руденко В.В. Нечеткая модель интеллектуального морфологического оператора для формирования границ сегментов // Научные ведомости Белгородского государственного университета. Серия: Экономика. Информатика. 2011. Т. 17. № 1-1 (96). С. 188-195.
7.
Canny J. A computational approach to edge detection. IEEE Trans, Pattern Analysis and Machine Intelligence. 1986. vol. 8. Pр. 679-714.
8.
Kang W.X., Yang Q.Q., Liang R.R. The comparative research on image segmentation algorithms. IEEE Conference on ETCS. 2009. Pp. 703-707.
9.
Lindeberg Т. Edge detection and ridge detection with automatic scale selection. International Journal of Computer Vision. 1998. 30. 2. Pp. 117-154.
10.
Zhang W., Bergholm F. Multi-scale blur estimation and edge type classification for scene analysis. International Journal of Computer Vision. 1997. Vol. 24. Issue 3. Pр. 219-250.
 
МНТ Выпуски 2017 Выпуск №2 Статья #07
© ООО «ЦСМОСиПР», 2020
Все права защищены
Яндекс.Метрика
  +7(926) 067-59-67
  +7(963) 406-99-55