Исследование геометрических мер близости объектов и классов в системах распознавания

Характеристика методов компьютерной реализации геометрических мер близости, их применение для принятия решений в детерминированных системах распознавания. Использование формулы для вычисления расстояний в программировании, формирование массива в системе.

Рубрика Программирование, компьютеры и кибернетика
Вид лабораторная работа
Язык русский
Дата добавления 02.12.2014
Размер файла 117,8 K

Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже

Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.

Размещено на http://www.allbest.ru/

Министерство образования и науки Украины

Одесский национальный политехнический университет

Кафедра информационных технологий проектирования в машиностроении

Отчёт

По дисциплине: «Методы и системы искусственного интеллекта»

На тему: «Исследование геометрических мер близости объектов и классов в системах распознавания»

Барановская К. С.

Одесса - 2014

Цель работы: Целью лабораторной работы является практическое освоение методов компьютерной реализации геометрических мер близости, применяемых для принятия решений в детерминированных системах распознавания.

Ход работы

1. Вводим эталоны классов из табл. 1-4.

2. Далее находите координаты эталона центра класса - среднее арифметическое для каждой координаты (отдельно для Х, отдельно для Y).

3. Выводим изображение (используем figure, hold on). Используем plot.

4. Вводим координаты нового объекта (1-ю и 2-ю координаты с помощью input). компьютерный массив детерминированный геометрический

Определяем, к какому классу принадлежит новый объект, используем формулы для вычисления расстояний. Формируем массив, состоящий из расстояний. Каждая координата - это значение расстояния от центра соответствующего класса до нового объекта, всего координат 4-ре (как и классов), Порядок в массиве - это и есть номер класса. Запоминаете номер, под которым идет необходимое расстояние, как [Y,I], где Y - это величина расстояния, а I - это номер класса. И выводите номер.

1. 1-й класс

A=[...

0.9 0.80 0.9 0.7 1.00

0.5 0.68 0.47 0.7 0.80];

A1(1)=sum(A(1,:))/5;

A1(2)=sum(A(2,:))/5;

2-й класс

B=[...

0.21 0.2 0.17 0.23 0.30

0.60 0.8 0.40 0.70 1.00];

B1(1)=sum(B(1,:))/5;

B1(2)=sum(B(2,:))/5;

3-й класс

C=[...

0.2 0.25 0.1 0.23 0.30

0.2 0.28 0.2 0.26 0.30];

C1(1)=sum(C(1,:))/5;

C1(2)=sum(C(2,:))/5;

4-й класс

D=[...

0.85 0.75 0.19 0.27 0.19 0.27

0.40 0.61 0.22 0.30 0.50 0.90];

D1(1)=sum(D(1,:))/5;

D1(2)=sum(D(2,:))/5;

3. figure

plot(A(1,:), A(2,:), '+b', B(1,:), B(2,:), '+m',...

C(1,:), C(2,:), '+k', D(1,:), D(2,:), '+g');

hold on;

4. prompt='a:';

a=input(prompt);

prompt='b:';

b=input(prompt);

d1=max(abs(A1(1)-a),abs(A1(2)-b));

d2=max(abs(B1(1)-a),abs(B1(2)-b));

d3=max(abs(C1(1)-a),abs(C1(2)-b));

d4=max(abs(D1(1)-a),abs(D1(2)-b));

M=[d1 d2 d3 d4]

maxx=max(M)

for i=1:4

if M(i)==maxx

disp(i)

end

end

5. Выводим результат - объектом какого класса будет данный объект.

Вывод: в ходе выполнения лабораторной работы мы приобрели практическое освоение методов компьютерной реализации геометрических мер близости, применяемых для принятия решений в детерминированных системах распознавания.

Размещено на Allbest.ru

...

Подобные документы

  • Необходимость в системах распознавания символов. Виды сканеров и их характеристики. Оптимальное разрешение при сканировании. Программы распознавания текста. Получение электронного документа. FineReader - система оптического распознавания текстов.

    презентация [469,2 K], добавлен 15.03.2015

  • Понятие системы распознавания образов. Классификация систем распознавания. Разработка системы распознавания формы микрообъектов. Алгоритм для создания системы распознавания микрообъектов на кристаллограмме, особенности его реализации в программной среде.

    курсовая работа [16,2 M], добавлен 21.06.2014

  • Теоретические основы распознавания образов. Функциональная схема системы распознавания. Применение байесовских методов при решении задачи распознавания образов. Байесовская сегментация изображений. Модель TAN при решении задачи классификации образов.

    дипломная работа [1019,9 K], добавлен 13.10.2017

  • Способы моделирования типовых геометрических объектов. Методы решения инженерно-геометрических задач в системах автоматизированного проектирования. Правила выполнения чертежей деталей, сборочных единиц, электрических схем по современным стандартам.

    методичка [44,6 K], добавлен 29.11.2010

  • Оптико-электронная система идентификации объектов подвижного состава железнодорожного транспорта. Автоматический комплекс распознавания автомобильных номеров. Принципы и этапы работы систем оптического распознавания. Особенности реализации алгоритмов.

    дипломная работа [887,3 K], добавлен 26.11.2013

  • Словесный, графический, табличный, программный способы представления алгоритма. Основные конструкции в любом алгоритмическом языке. Теория обнаружения, различения и оценивания сигналов. Радиолокационные системы обнаружения. Система распознавания образов.

    презентация [4,8 M], добавлен 09.06.2015

  • Основные понятия теории распознавания образов и ее значение. Сущность математической теории распознавания образов. Основные задачи, возникающие при разработке систем распознавания образов. Классификация систем распознавания образов реального времени.

    курсовая работа [462,2 K], добавлен 15.01.2014

  • Система программирования LabVIEW и ее использование в системах сбора и обработки данных. Программирование, основанное на потоках данных. Генерирование детерминированных процессов. Способность инструментов программы изменяться. Расчет значений массива.

    контрольная работа [424,4 K], добавлен 18.03.2011

  • Методы распознавания образов (классификаторы): байесовский, линейный, метод потенциальных функций. Разработка программы распознавания человека по его фотографиям. Примеры работы классификаторов, экспериментальные результаты о точности работы методов.

    курсовая работа [2,7 M], добавлен 15.08.2011

  • Построение системы классов для описания плоских геометрических фигур: круг, квадрат, прямоугольник. Методы для создания объектов, перемещения на плоскости, изменения размеров и вращения на заданный угол. Реализованные алгоритмы, тестирование программы.

    курсовая работа [129,3 K], добавлен 04.05.2014

  • Основные цели и задачи построения систем распознавания. Построение математической модели системы распознавания образов на примере алгоритма идентификации объектов военной техники в автоматизированных телекоммуникационных комплексах систем управления.

    дипломная работа [332,2 K], добавлен 30.11.2012

  • Понятие и особенности построения алгоритмов распознавания образов. Различные подходы к типологии методов распознавания. Изучение основных способов представления знаний. Характеристика интенсиональных и экстенсиональных методов, оценка их качества.

    презентация [31,6 K], добавлен 06.01.2014

  • Принцип работы нейросетей и модели синтеза. Ключевые моменты проблемы распознавания речи. Система распознавания речи как самообучающаяся система. Описание системы: ввод звука, наложение первичных признаков на вход нейросети, модель и обучение нейросети.

    курсовая работа [215,2 K], добавлен 19.10.2010

  • Описание структурной схемы искусственного нейрона. Характеристика искусственной нейронной сети как математической модели и устройств параллельных вычислений на основе микропроцессоров. Применение нейронной сети для распознавания образов и сжатия данных.

    презентация [387,5 K], добавлен 11.12.2015

  • Обзор математических методов распознавания. Общая архитектура программы преобразования автомобильного номерного знака. Детальное описание алгоритмов: бинаризация изображения, удаление обрамления, сегментация символов и распознавание шаблонным методом.

    курсовая работа [4,8 M], добавлен 22.06.2011

  • Анализ физических предпосылок селекции движущихся малоразмерных наземных целей по спектральным параметрам. Разработка алгоритмов обнаружения МНЦ и повышения эффективности их распознавания в интересах радиолокационных станций разведки и целеуказания.

    дипломная работа [830,3 K], добавлен 28.04.2009

  • Методы решения проблем, возникающих на стадиях и этапах процесса принятия решений, их реализация в информационных системах поддержки принятия решений (СППР). Назначение СППР, история их эволюции и характеристика. Основные типы СППР, области их применения.

    реферат [389,3 K], добавлен 22.11.2016

  • Анализ методов реализации интеллектуальных игр в системе человек-робот. Разработка архитектуры программного комплекса, выбор языка программирования. Алгоритм преобразования данных. Тестирование программного комплекса, редактирование и исправление ошибок.

    дипломная работа [2,6 M], добавлен 27.10.2017

  • Методы предобработки изображений текстовых символов. Статистические распределения точек. Интегральные преобразования и структурный анализ. Реализация алгоритма распознавания букв. Анализ алгоритмов оптического распознавания символов. Сравнение с эталоном.

    курсовая работа [2,1 M], добавлен 20.09.2014

  • Функции текстового редактора как программы для работы с текстом. Использование редактора MS Word в научной деятельности исследователя-ономаста. Технология распознавания текста и организация работы с программой FineReader. Системы распознавания речи.

    реферат [979,3 K], добавлен 16.10.2013

Работы в архивах красиво оформлены согласно требованиям ВУЗов и содержат рисунки, диаграммы, формулы и т.д.
PPT, PPTX и PDF-файлы представлены только в архивах.
Рекомендуем скачать работу.