Тема: Разработка алгоритма идентификации субъектов на основе теории систем со случайной структурой

В современном мире задача идентификации субъектов уже с давних времен исследуются, для того чтобы можно было определять, что за субъект находится перед вами. Это очень популярно, как в военной промышленности, так и рамках государства.
На данный момент это применяется для обнаружения людей, машин, воздушных целей и в медицине.
Во много в мире используются нейронные сети которые позволяют формировать на базе некоторых входных данных результат. Их можно использовать повсеместно из-за их простоты развертывания, но они предполагают длительный промежуток обучения и ресурсов, и их точность будет зависеть от степени их обучения и грамотного построения нейронных связей.
Зачастую это очень трудный процесс, и по обучению образуется некий черный ящик, который начинает сам по себе функционировать, где достигает определенной точности решения, где последующее обучение нейронной сети будет уже не столь эффективным.
Для работы с физическим миром, где зачастую построение нейронных сетей не является эффективным, из-за больших энергозатрат и достижения приемлемой точности результата, используются различные методы нахождения ответа для тех или иных задач. Например численные методы, марковские процессы и различные фильтрации.
Они позволяют давать более точные результаты, в минимальный промежуток времени, но для использования этих методов требуются определенный набор знаний, для взаимодействиями с этими методами. В работе в качестве субъекта будет рассматриваться человек.
Таким образом, практическая актуальность работы обусловлена необходимостью разработки новых методов идентификации субъектов, которые будут работать отдельно или совместно с текущими системами наблюдения.
Степень разработанности темы исследования. На данный момент есть очень много работ по поводу идентификации различных субъектов, например в работах авторов Чабан Л.Н.[30], А. И. Соколова, Конушин А. С.[31], Тропченко A. A.[32]. Где за основу берутся изображения и идентификация происходит в пиксельном пространстве без сбора отдельных параметров. А таких работ автором как Носов А. В.[8], Anwar, A. S в меньшенстве, где за основу берут изображения, но вычленяют отдельные характеристики, которые уже сравниваются не так много, или они разработаны для узкого направления. Обилие работ по идентификации людей или субъектов много, но мало работ основано на работе с параметрами. Первый способ имеет ряд проблем связанные с ограничением камеры, поэтому например для определение подлинности подписи идет совокупность методов, так как учитывается еще глубина и угол нажатия пишущим средством. Поэтому разработка новых методов в области наблюдения и идентификации субъектов является актуальной научной задачей.
Объект исследования: информационно-измерительная система наблюдения канала данных, основанная на теории систем со случайной структурой.
Предмет исследования: устойчивость и точность алгоритмического обеспечения системы наблюдения канала данных, основанной на теории систем со случайной структурой.
Методология и методы исследования: теория систем со случайно изменяющейся структурой, баесовские фильтрации, математического моделирования сложных систем, теория марковских процессов, компьютерного моделирования, метод обобщенного отношения правдоподобия.
Цель работы: повышение точности идентификации субъектов за счет разработки алгоритма основанного на теории систем со случайной структурой.
Для достижения поставленной цели были решены следующие задачи:
— проведен анализ категорий систем идентификаций и их строения;
— проведен анализ биометрических идентификаторов;
— разработан алгоритм, реализующий модернизированный метод распознавания баесовские фильтрации;
— исследована эффективность системы с разными вводными параметрами.
Научная новизна. Разработан алгоритм, реализующий метод идентификации субъектов на основе теории систем со случайной структурой, с применением модифицированного Байесовского фильтра.
Положения, выносимые на защиту:
— разработан алгоритм, реализующий модернизированный метод распознавания баесовские фильтрации;
— алгоритмическое обеспечение для генерации данных, и реализующий метод модифицированного Байесовского фильтра.
Теоретическая и практическая значимость работы. Модернизирован метод Байесовского фильтра. Разработана программа реализующий его.
Структура и объем диссертации. Магистерская диссертационная работа состоит из введения, четырех глав, заключения, списка литературы, приложения. Работа изложена на 118 страницах, имеет 17 рисунков и 9 таблиц. Библиографический список литературы имеет 34 наименований.
Во введении показана актуальность работы, сформулированы цель и задачи исследования; представлены: научная новизна, практическая значимость результатов работы, положения, выносимые на защиту; аннотация работы по главам.
В первой главе рассматривается какие существуют методы работы с алгоритмами, а также рассмотрены возможности работы с ними.
Вторая глава рассматриваются свойства биометрических идентификаторов, а также выводится их практическая оценка. Так же в этой главе рассматривается, анализируется и проектируется метод по работе с нахождением совпадением с попадающимися классами объекта в потоке данных.
В третьей главе рассматривается перевод математической модели в практическую, а также создание начальных тестовых значений.
В четвертой идет описание созданной программы и её результат.
В заключении приведены результаты работы и основные выводы, указано на решение общей научной задачи и достижение поставленной цели.
В приложение вынесен листинг кода реализации классов.

Купить

Во время выполнение магистерской работы был произведен анализ существующих методов идентификаций. Была выделена актуальность исследуемой темы, определены объект, предмет исследования, цели и задачи работы.
В первой главе данной работы был проведен обзор классификации алгоритмом, в результате чего было принято решение об создании алгоритма на основе Байесовской фильтрации.
В последующих главах уже анализировалось качество биометрических идентификаторов, где была разработана формула качества биометрических идентификаторов под конкретные цели: качество, стоимость и массовость. Также разрабатывалась модель алгоритма с помощью, которого можно было заниматься идентификацией любых субъектов. Которые можно описать численно или параметрически.
В ходе разработки, все вычисления и алгоритмы были рассмотрены непосредственно в работе.
Подводя итоги, было сделано следующее:
1. Подробно были изучены свойства исследуемого субъекта, представленные на рисунке 1. Где были выявлены наиболее полезные признаки под разрабатываемую систему.
2. Модель которая была представлена на рисунке 2 дополнена и сведена после исследования и анализа к практическому применению.
3. Реализована программа, которая может идентифицировать любые субъекты состоящие из множеств описанных в формуле 1.
4. Был получен результат выполнения программы, где после её анализа были разобраны её недостатки, а также выяснили что используя несколько биометрических идентификаторов с низкой уникальностью, можно в совокупности получить хорошую точность в небольших группах.

Купить