Сравнительный анализ методов распознавания образов
Основополагающие определения исследуемой области. Современное состояние теории распознавания образов и методы, используемые в данном процессе. Выбор метода распознавания для получения значений показателей со снимка кристаллографии ротовой жидкости.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 01.09.2018 |
| Размер файла | 15,2 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/
Размещено на http://www.allbest.ru/
Сравнительный анализ методов распознавания образов
XXI век называют временем, когда человечество вошло в информационный период развития. Это значит, что информация является основным товаром и играет определяющую роль. В такое время трудно представить себе жизнь без информационных технологий и автоматизации. Особенно важна автоматизация рутинных операций, которые при этом требуют некоторого интеллектуального анализа поступающей информации.
К таким операциям относят распознавание образов. В данной статье автором будут даны основополагающие определения предметной области, рассмотрены современное состояние теории распознавания образов и методы, используемые для распознавания. Выводом будет выбор метода распознавания для задачи получения значений показателей со снимка кристаллографии ротовой жидкости.
Теория распознавания образов - раздел информатики, развивающий теоретические основы и методы классификации и идентификации предметов, явлений, процессов, сигналов, ситуаций и т.п. объектов, которые характеризуются конечным набором некоторых свойств и признаков.
Создание искусственных систем распознавания образов остаётся сложной теоретической и технической проблемой. Традиционно задачи распознавания образов включают в круг задач искусственного интеллекта.
Следует уточнить, с какими типами информации работают в рамках теории распознавания образов. Распознавать можно следующее:
- изображения (графические образы);
- аудиосигналы (речь в аудиопотоке); видеосигналы;
- семантические конструкции в текстах.
В данной работе рассматривается распознавание графических образов. Графическими образами может быть огромное количество объектов: автомобильные номера, лица на фотоснимке, геометрические фигуры на рентгеновских снимках и т.д.
Сейчас распознавание этих образов используется повсеместно. Например, система для автоматического выставления штрафов ГАИ использует распознавание автомобильных номеров.
Методы распознавания образов в целом и графических образов в частности создаются и совершенствуются довольно давно.
Например, известны работы Р. Фишера, выполненные в 20-х гг. прошлого века и приведшие к формированию дискриминантного анализа как одного из разделов теории и практики распознавания.
В 40-х гг. А.Н. Колмогоровым и А.Я. Хинчиным поставлена задача о разделении смеси двух распределений. В 50-60-е гг. ХХ в. на основе массы работ появилась теория статистических решений. В результате этого были спроектированы алгоритмы для классификации объектов.
Все методы распознавания образов можно объединить в 3 группы:
1. Группа методов перебора.
2. Анализ характеристик объектов.
3. Искусственные нейронные сети.
Методы перебора. В этом случае производится сравнение с базой данных, где для каждого вида объектов представлены всевозможные модификации отображения. Например, для графических образов можно применить метод перебора вида объекта под различными углами, масштабами, смещениями, деформациями и т.д. Среди достоинств этой группы методов можно выделить простоту реализации. Однако среди недостатков есть очень важный параметр - большие временные и ресурсные затраты на работу алгоритма. Ещё одним существенным недостатком является необходимость создания большой базы данных и её постоянное ручное обновление.
Анализ характеристик объекта. В случае распознавания графических образов это может быть определение различных геометрических характеристик (например, поиск определённых известных геометрических структур на рентгеновском снимке). Данная группа методов подходит не для всех задач распознавания.
Искусственные нейронные сети (ИНС). Этот метод требует либо большого количества примеров задачи распознавания при обучении, либо специальной структуры нейронной сети, учитывающей специфику данной задачи. Но так как нейронные сети применяют для поиска решения математический аппарат, а не простой перебор и сравнение с базой данных, то этот метод отличается меньшими затратами ресурсов и большей эффективностью. Кроме того, существенным достоинством ИНС является то, что системы на базе нейронных сетей могут самообучаться и генерировать новые знания, что позволяет проводить распознавание объектов с неизвестными характеристиками. Конечно, у ИНС есть и недостатки. Например, необходимость проектировать специальную структуру нейронной сети, что может сделать только квалифицированный специалист. Помимо этого, как было сказано выше, ИНС необходимо предварительно обучить. Обучение заключается в решении тестовых примеров и сравнении с правильными данными.
Теперь, когда были перечислены известные методы распознавания образов и выявлены их достоинства и недостатки, можно сделать вывод о том, какой метод предпочтительнее для задачи получения значений показателей со снимка кристаллографии ротовой жидкости. Основываясь на том, что исследуемая предметная область не полностью изучена, а также учитывая трудности в создании большой базы данных, можно сказать, что наиболее предпочтительным методом для вышеуказанной задачи будут искусственные нейронные сети.
Литература
распознавание кристаллография снимок
1. Яхъяева, Г.Э. Нечёткие множества и нейронные сети: учеб. пособие / Г.Э. Яхъяева. - М.: Бином, 2008. С. 152 - 162.
2. Новейшие методы обработки изображений / под ред. А.А. Потапова. - М.:Физматлит, 2008. - 496 с.
3. http://ru.wikipedia.org/
Размещено на Allbest.ru
...Подобные документы
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 15.01.2014Теоретические 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 13.10.2017Методы 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 15.08.2011Выбор типа и структуры нейронной сети. Подбор метода распознавания, структурная схема сети Хопфилда. Обучение системы распознавания образов. Особенности работы с программой, ее достоинства и недостатки. Описание интерфейса пользователя и экранных форм.
курсовая работа [3,0 M], добавлен 14.11.2013Распознавание образов - задача идентификации объекта или определения его свойств по его изображению или аудиозаписи. История теоретических и технических изменений в данной области. Методы и принципы, применяемые в вычислительной технике для распознавания.
реферат [413,6 K], добавлен 10.04.2010Обзор задач, возникающих при разработке систем распознавания образов. Обучаемые классификаторы образов. Алгоритм персептрона и его модификации. Создание программы, предназначенной для классификации образов методом наименьшей среднеквадратической ошибки.
курсовая работа [645,2 K], добавлен 05.04.2015Понятие 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 21.06.2014Понятие 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 06.01.2014Создание программного средства, осуществляющего распознавание зрительных образов на базе искусственных нейронных сетей. Методы, использующиеся для распознавания образов. Пандемониум Селфриджа. Персептрон Розенблатта. Правило формирования цепного кода.
дипломная работа [554,8 K], добавлен 06.04.2014Появление технических систем автоматического распознавания. Человек как элемент или звено сложных автоматических систем. Возможности автоматических распознающих устройств. Этапы создания системы распознавания образов. Процессы измерения и кодирования.
презентация [523,7 K], добавлен 14.08.2013Основные 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 30.11.2012Оптико-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 26.11.2013Описание 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 11.12.2015Методы 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 20.09.2014Необходимость 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 15.03.2015Словесный, 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 09.06.2015Первое систематическое изучение искусственных нейронных сетей. Описание элементарного перцептрона. Программная реализация модели распознавания графических образов на основе перцептрона. Интерфейс программы, основные окна. Составление алгоритма приложения.
реферат [100,5 K], добавлен 18.01.2014Отображение на плоскости точек из многомерного пространства, интерактивное распознавание отдельных классов образов в качестве объекта разработки программного продукта. Концептуальная модель предметной области. Классы и объекты интерфейса пользователя.
дипломная работа [1,5 M], добавлен 10.06.2013Строение артикуляционного аппарата человека с точки зрения возможности распознавания речи по артикуляции. Комплекс параметров артикуляции на основе контура внутренней области губ. Реализация модуля распознавания фонем русской речи по изображениям губ.
дипломная работа [3,1 M], добавлен 19.08.2012Разработка программной базы для исследований в области распознавания речи и поиска ключевых слов в ней. Расчет mel-фильтров. Скрытые марковские модели. Применение в алгоритме сверточного декодирования Витерби. Методы визуализации и обработки аудиоданных.
курсовая работа [1,1 M], добавлен 01.06.2015
