Использование семантической сети для исследования взаимосвязи объекта и метода сегментации на основе оптического потока
Описание предметной области c использованием правил продукционной системы. Исследование семантической сети как одного из способов представления знаний. Особенность построения семантической сети. Разработка базы знаний на языке представления знаний.
| Рубрика | Программирование, компьютеры и кибернетика |
| Вид | статья |
| Язык | русский |
| Дата добавления | 17.02.2019 |
| Размер файла | 106,1 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/
Белгородский государственный национальный исследовательский университет
Использование семантической сети для исследования взаимосвязи объекта и метода сегментации на основе оптического потока
Точоная Е.К.
Зайцева Т.В.
Сегментация изображения - это промежуточный этап между нахождением движения объекта и этапом распознавания. На данном этапе происходит группирование автономных участков изображения в одну область. Группирование происходит по различным признакам: цвет, яркость, текстура, насыщенность, градиент, вектор движения и т.д. Большинство существующих методов ориентированы под конкретные признаки сегментации, в данной статье рассматривается метод Монте-Карло [4].
Одним из способов представления знаний является семантическая сеть. В основе продукционной модели лежит ориентированный граф: понятия предметной области - узел, отношения между этими понятиями - дуги [2].
В рамках построения продукционной модели можно выделить следующие стадии: продукционный семантический сеть знание
1) идентификация проблемы - постановка задачи;
2) извлечение знаний - получение знаний о предметной области испособах принятия решений в ней;
3) структурирование знаний - разработка неформального описаниязнаний о предметной области;
4) формализация - разработка базы знаний на языке представлениязнаний, который соответствует структуре поля знаний и позволяет реализовать прототип системы на следующей стадии программной реализации.
Полученная база знаний состоит из следующих элементов:
1) Объект: изображение, метод Лукаса-Канаде.
2) Атрибуты:
• размер;
• пиксели;
• градиент;
• границы областей;
• текстура;
• яркость;
• насыщенность.
Особо важное значение приобретает этап установление отношений между понятиями: не имея связей между атрибутами и объектами модель представляет собой список несвязанных факторов.
Реализованная семантическая сеть имеет неоднородный тип отношений, так как в модели представлены различные типы связей, а именно: «имеет» и «влияет».
Связь «имеет» означает, что атрибут является частью объекта и относится к типу «часть-целое». Связь «влияет» является функциональной и демонстрирует вызов изменения в каком-либо объекте или атрибуте [1].
Модель предметной области приведена на рисунке 1.
Рисунок 1 - Модель предметной области
Таким образом, можно отметить, что построение семантической сети помогает лучше усвоить необходимый материал, выявить основные и второстепенные понятия предметной области, упрощает нахождение взаимосвязей между понятиями и наглядно демонстрирует возникающие проблемы при реализации алгоритма.
Список литературы
1. Обухова Н. А., Сегментация объектов интереса на основе признака движения в видео-и компьютерных систем // Н. А. Обухова// Инфокоммуникационные технологии, 2007. - №1. - С. 77-85.
Аннотация
В данной статье рассмотрена проблема структуризации предметной области. Обосновывается выбор способа представления знаний. Приводится описание предметной области c использованием правил продукционной системы и выполняется формализация используемых знаний. Так же приведен пример построения семантической сети на основе заданной тематики.
Ключевые слова: семантическая сеть, продукционная модель, сегментация изображения, метод Лукаса-Канаде.
Размещено на Allbest.ru
...Подобные документы
Построение баз знаний для семантической сети. Цели создания и язык представления онтологий. Структура исследований в области многоагентных интеллектуальных информационных систем, архитектура агента. Экономическое обоснование разработки базы знаний.
дипломная работа [1,6 M], добавлен 29.09.2013Классы и группы моделей представления знаний. Состав продукционной системы. Классификация моделей представления знаний. Программные средства для реализации семантических сетей. Участок сети причинно-следственных связей. Достоинства продукционной модели.
презентация [380,4 K], добавлен 14.08.2013Понятие и сущность экспертной системы, ее внутренняя структура и назначение, этапы и принципы разработки. Продукционная и фреймовая модель представления знаний, порядок построения семантической сети. Разработка алгоритма программы, создание интерфейса.
курсовая работа [1,2 M], добавлен 22.01.2015Семантическая сеть - совокупность объектов предметной области, отношений между ними. Причинно-следственные связи между двумя объектами в семантической сети. Представление знаний путем использования фреймов, при помощи логики предикатов. Правила продукций.
реферат [46,1 K], добавлен 01.12.2010Анализ процессов диагностики повреждений трубопровода. Разработка модели продукционной базы знаний: обзор методов представления знаний, описание создания базы знаний и разработки механизма логического вывода. Экономическое обоснование концепции проекта.
дипломная работа [3,0 M], добавлен 16.04.2017Сущность данных и информации. Особенности представления знаний внутри ИС. Изучение моделей представления знаний: продукционная, логическая, сетевая, формальные грамматики, фреймовые модели, комбинаторные, ленемы. Нейронные сети, генетические алгоритмы.
реферат [203,3 K], добавлен 19.06.2010Методы представления знаний заданной предметной области. Создание онтологии бортовых информационно управляющих систем автомобиля. Создание среды разработки и приложения для поиска в интернете с использованием онтологии. Проверка эффективности приложения.
презентация [1,6 M], добавлен 25.12.2014База знаний - структурированная информация из области знаний для использования кибернетическим устройством (человеком). Классификация, структура, формат представления знаний, интеллектуальные системы поиска информации. Базы знаний на примере языка Пролог.
презентация [51,3 K], добавлен 17.10.2013Изучение в реальных условиях способов представления знаний во Всемирной сети. Представления данных в интернет и способы эффективной публикации данных. Конфигурация Web-сервера на виртуальном хостинге. Настройка и отладка работы сайтов на разных CMS.
отчет по практике [947,2 K], добавлен 09.02.2012Представление знаний в когнитологии, информатике и искусственном интеллекте. Связи и структуры, язык и нотация. Формальные и неформальные модели представления знаний: в виде правил, с использованием фреймов, семантических сетей и нечетких высказываний.
контрольная работа [29,9 K], добавлен 18.05.2009Изучение фреймового способа представления знаний, его специфики и основных характеристик. Обзор других методов представления знаний, их плюсы и минусы. Иерархическая структура данных фрейма. Механизм управления выводом с помощью присоединенной процедуры.
реферат [2,6 M], добавлен 22.12.2014Проблема представления знаний в компьютерных системах – одна из основных проблем в области искусственного интеллекта. Исследование различных моделей представления знаний. Определения их понятия. Разработка операции над знаниями в логической модели.
курсовая работа [51,9 K], добавлен 18.02.2011Фреймы как один из распространенных формализмов представления знаний в электронных системах, их классификация и типы, структура и элементы. Иерархические фреймовые структуры и принципы их построения. Код программы Интерфейс. Разработка программного кода.
лабораторная работа [524,2 K], добавлен 02.11.2013Фреймовые модели представления знаний. Разработка структуры фреймов для реализации экспертной системы. Разработка экспертной системы с фреймовой моделью представления знаний. Редактирование базы фактов кандидатов и описание режима консультации.
курсовая работа [1,3 M], добавлен 13.10.2012Проблема представления знаний. Представление декларативных знаний как данных, наделенных семантикой. Представление процедурных знаний как отношений между элементами модели, в том числе в виде процедур и функций. Представление правил обработки фактов.
курсовая работа [33,1 K], добавлен 21.07.2012Определения знаний и приобретения знаний человеком. Виды знаний и способы их представления. Приобретение и извлечение знаний. Визуальное проектирование баз знаний как инструмент обучения. Программное обеспечение для проведения лабораторных работ.
дипломная работа [960,9 K], добавлен 12.12.2008Основные модели представления знаний. Системы поддержки принятия решений. Диаграмма UseCase. Разработка базы данных на основе трех моделей: продукционные правила, семантическая сеть, фреймовая модель. Программная реализация системы принятия решений.
курсовая работа [715,1 K], добавлен 14.05.2014Построение графа связей фактов и определение структуры базы знаний. Описание функций инициализации и констатации фактов, входных и выходных данных. Операции, направленные на занесение фактов и действий в базу знаний. Итоговое представление базы знаний.
курсовая работа [176,9 K], добавлен 13.11.2012Разработка базы данных с применением выбранной модели представления знаний и системы пользовательского интерфейса. Определение системы логического вывода. Спецификация составных частей программы. Обзор основных используемых приёмов и методов обработки.
курсовая работа [765,6 K], добавлен 12.05.2013Преимущества и недостатки моделей представления знаний. Модель, основанная на правилах, фреймовая модель. Семантическая сеть. Структура экспертных систем и этапы их разработки. Механизмы логического вывода. Стратегия "вверх-снизу", "от цели к ситуации").
презентация [195,3 K], добавлен 29.10.2013
