🔍 Поиск готовых работ

🔍 Поиск работ

ИССЛЕДОВАНИЕ МЕТОДОВ РЕШЕНИЯ ЗАДАЧИ РАСПОЗНАВАНИЯ ИЗОБРАЖЕНИЙ

Работа №21383

Тип работы

Бакалаврская работа

Предмет

математика

Объем работы50
Год сдачи2017
Стоимость5750 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
845
Не подходит работа?

Узнай цену на написание


Введение 3
1 Задача распознавания изображений 5
1.1 Понятие распознавания образов 5
1.2 Постановка задачи распознавания изображений 6
1.3 Сведения о получения векторов признаков 7
2 Необходимые теоретические сведения и положения о сходимости методов . 11
2.1 Необходимые определения из теории алгоритмов и вычислительной
математики 11
2.2 Некоторые положения о сходимости методов 12
3 Метод опорных векторов 13
3.1 Идея метода 13
3.2 Линейно разделимый случай задачи 14
3.3 Линейно неразделимый случай задачи 17
3.4 Метод сопряженных градиентов 19
3.5 Метод наискорейшего спуска 21
4 Решение задачи с помощью нейронных сетей 23
4.1 Сети прямого распространения 23
4.2 Метод обратного распространения ошибки 25
5 Метод потенциальной функции 30
5.1 Физический смысл 30
5.2 Описание метода 30
6 Решение практической задачи распознавания изображений 33
6.1 Вычислительный эксперимент 33
6.2 Сравнение представленных алгоритмов 36
7 Описание программного модуля 39
7.1 Программный модуль вектора опорных векторов 40
7.2 Программный модуль алгоритма нейронных сетей 42
7.3. Программный модуль метода потенциальной функции 43
Заключение 45
Список использованных источников 46



Во многих сферах деятельности человека требуется классифицировать объекты на несколько категорий с определенными характеристиками. Задачи подобного вида относятся к задаче распознавания образов, являющейся одной из наиболее практически важных и сложных задач анализа данных.
Распознавание образов представляет собой научное направление, возникшее и развивающееся на базе теоретической информатики, прикладной статистики, искусственного интеллекта и смежных дисциплин. Его назначением является разработка принципов и методов классификации объектов различной природы. Методы распознавания образов имеют широкий спектр применений практически во всех областях человеческой деятельности, связанных с изучением объектов и процессов: медицине, биологии, химии, маркетинге, психологии, социологии, менеджменте и других.
В настоящее время существует множество частных случаев задачи распознавания образов: распознавание речи, распознавание изображений, распознавание символов, классификация документов, поиск знаний в базах данных и другие. В данной работе решается задача распознавания изображений.
Целью работы является исследование и программная реализация основных алгоритмов решения задачи распознавания изображений.
В первой главе работы приводятся основные понятия и постановка задачи распознавания изображений.
Вместе с развитием информационных систем и ресурсов, постоянно появляются новые методы классификации и машинного обучения, которые решают задачу распознавания образов. В бакалаврской работе изучаются три наиболее распространённых метода бинарной классификации: метод опорных векторов, метод потенциальной функции и искусственные нейронные сети.
В третьей, четвёртой и пятой главах работы дается подробное описание перечисленных алгоритмов, и указываются особенности их работы.
В работе решается практический пример задачи распознавания изображений - задачи распознавания на изображении пешеходов.
Разработано программное обеспечение «Распознавание пешеходов», реализующее метод опорных векторов, нейронную сеть с обратным распространением ошибки и метод потенциальной функции. Для каждого метода предусматривается отдельный элемент управления. Данное программное средство решает поставленную практическую задачу.
Значительная часть работы посвящена исследованию вышеперечисленных методов распознавания образов. Выполняется серия вычислительных экспериментов, позволяющих оценить работу алгоритмов на ряде тестовых обучающих выборок. В ходе вычислительного эксперимента методы сравниваются по вычислительной сложности, скорости сходимости и качеству обучения.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!
ДИПЛОМНЫЕ МАГИСТЕРСКИЕ ДИССЕРТАЦИИ
КУРСОВЫЕ СТАТЬИ ВКР

В работе были получены следующие результаты:
■ Изучены постановка задачи распознавания образов и основные методы распознавания.
■ Разработано программное обеспечение, реализующее данные алгоритмы.
■ Проведены вычислительные эксперименты по сравнению
вычислительной сложности и условий сходимости методов.
■ Решена практическая задача распознавания образов.
■ Выполнен сравнительный анализ полученных результатов.
Результаты работы опубликованы на международной научно-технической конференции студентов, аспирантов и молодых ученых «Проспект Свободный - 2016» (Красноярск, 2016) и международной научно-технической конференции студентов, аспирантов и молодых ученых «Проспект Свободный - 2017» (Красноярск, 2017).



1. Аксенов, С. В. Организация и использование нейронных сетей (методы и технологии) / С. В. Аксенов; под общ. ред. В. Б. Новосельцева. - Томск: Изд-во НТЛ, 2006. - 128 с.
2. Бахвалов, Н.С. Численные методы / Н. С. Бахвалов, Н. П. Жидков, Г. М. Кобельков. - Изд. 6-е. - М.: БИНОМ: Лаборатория знаний, 2008. — 636 с.
3. Васильев Ф. П. Методы оптимизации / Ф. П. Васильев. - Москва: Факториал пресс, 2002. - 824 с.
4. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский [и др.] - Харьков: Основа, 1997. - 107 с.
5. Воронцов, К. В. Лекции по алгоритмам кластеризации и многомерного шкалирования / К. В. Воронцов. - Москва: МГУ, 2007. - 18 с.
6. Глебов, Н. И. Методы оптимизации: учебное пособие / Н. И. Глебов, Ю. А. Кочетов, А. В. Плясунов. - Новосибирск: НГУ, 2000. - 105 с.
7. Нейроинформатика / А. Н. Горбань [и др.]. - Новосибирск: Наука, 1998. - 296 с.
8. Горбань, А. Н. Нейронные сети на персональном компьютере / А. Н. Горбань, Д. А. Россиев. — Новосибирск: Наука, 1996. — 276 с.
9. Докучаев, Д. А. Методы решения задач распознавания изображений / Д. А. Докучаев // Сборник материалов международной научно-технической конференция студентов, аспирантов и молодых учёных «Проспект Свободный-2016». - Красноярск, СФУ, 2016. - С. 22-24.
10. Докучаев, Д. А. Исследование методов распознавания изображений / Д. А. Докучаев // Сборник материалов международной научно-технической конференция студентов, аспирантов и молодых учёных «Проспект Свободный-2017». - Красноярск, СФУ, 2017. (в печати).
11. Еремин, Д. М. Искусственные нейронные сети в интеллектуальных системах управления: учеб. пособие / Д. М. Еремин, И. Б. Еарцеев. - Москва: МГИРЭА, 2004. - 75 с.
12. Дуда, Р. Распознавание образов и анализ сцен: пер. с англ. Е. Е. Вайнштейна, А. М. Васьковского / Р. Дуда, П. Харт; под ред. В. Л. Стефанюка. - Москва: Мир, 1976. - 502 с.
13. Загоруйко, Н. Е. Прикладные методы анализа данных и знаний / Н. Е. Загоруйко. - Новосибирск: ИМ СО РАН, 1999. - 270 с.
14. Калиткин, Н. Н. Численные методы / Н. Н. Калитскин; под ред. А. А. Самарского. - Москва: Наука, 1978. - 512 с.
15. Лепский, А. Е. Математические методы распознавания образов / А. Е. Лепский, А. Е. Броневич Таганрог: Изд-во ТТИ ЮФУ, 2009. - 155 с.
16. Лоран, П. Ж. Аппроксимация и оптимизация: пер. с франц. Ю. С. Завьялова, Р. А. Звягиной, В. И. Квасова, В. И. Шмырева / П. Ж. Лоран; под ред. Е. Ш. Рубинштейна, Н. Н. Яненко. - Москва: Мир, 1975. - 496 с.
17. Местецкий, Л. М. Математические методы распознавания образов / Л. М. Местецкий. - Москва: МГУ, 2002. - 139 с.
18. Патрик, Э. А. Основы теории распознавания образов : пер. с англ. В. М. Баронкина, Б. А. Смиренина, Ю. С. Шинакова под ред. Б. Р. Левина / Э. А. Патрик. - Москава: Советское радио, 1980. - 403 с.
19. Потапов, А. С. Распознавание образов и машинное восприятие / А. С. Потапов. — М.: Политехника, 2007. — 552 с.
20. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская; пер. с польского И. Д. Рудинского. — М.: Е орячая линия - Телеком, 2006. — 452с.
21. Сахнюк П. А. Алгоритм обратного распространения ошибки / П. А. Сахнюк. [Электронный ресурс] - Режим доступа: http://www.basegroup.ru
22. Сизов, А. С. Задача о минимуме квадратичного функционала / А. С. Сизов, П. А. Скрипниченко. [Электронный ресурс] - Режим доступа: http: //vi. horizalru.com/23 .html
23. Ту, Д. Принципы распознавания образов : пер с англ. И. Б. Гуревича под ред. Ю. И. Журавлева / Д. Ту, Р. Гонсалес. - Москва: Мир, 1978. - 401.
24. Хант, Э. Искусственный интеллект: пер. с англ. Д. А. Белова, Ю. И. Крюкова под ред. В. Л. Стефанюка / Э. Харт. - Москва: Мир, 1978. - 550 с.
25. Ясницкий, Л. Н. Введение в искусственный интеллект / Л. Н. Ясницкий. - М.: Академия, 2005. - 176 с.
26. Nocedal J. Numerical Optimization / J. Nocedal, S. J. Wright. - New York: Springer-Verlag. - 634 c.

Работу высылаем на протяжении 30 минут после оплаты.



Подобные работы


©2025 Cервис помощи студентам в выполнении работ
.