Тип работы:
Предмет:
Язык работы:


Экспериментальное сравнение трех оптимизационных методов бинарной классификации данных

Работа №39769

Тип работы

Дипломные работы, ВКР

Предмет

информатика

Объем работы127
Год сдачи2019
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
256
Не подходит работа?

Узнай цену на написание


ВЕДЕНИЕ 4
ГЛАВА 1 ТЕОРЕТИЧЕСКОЕ ОПИСАНИЕ АЛГОРИТМОВ 6
1.2 Метод Митчелла-Демьянова-Малоземова (МДМ-метод) 7
1.2.1 МДМ-метод 7
1.2.2 МДМ-метод практическая реализация 9
1.3 Метод Гильберта (Гильберта-Джонсона-Керти, GJK алгоритм) 10
1.3.1 Алгоритм GJK - метода 10
1.3.2 Метод Гильберта практическая реализация 12
1.4 Адаптивный метод условного градиента (ACGA - метод) 14
1.4.1 ACGA метод 14
1.4.2 ACGA метод практическая реализация 15
1.5 Задача классификации данных 16
ГЛАВА 2 ПРАКТИЧЕСКАЯ ЧАСТЬ 19
2.1 Численные эксперименты 19
2.2 Численные эксперименты. Анализ работы методов 30
2.3 Численные расчёты с реальной базой данных 57
2.4 Структурное описание программы 63
2.4.1 Основные функции программы 64
2.4.2 Классификации данных 69
ЗАКЛЮЧЕНИЕ 73
СПИСОК ЛИТЕРАТУРЫ 75
ПРИЛОЖЕНИЯ 76

В наше время компьютер стал неотъемлемой частью нашей жизни. Возможности, предоставляемые компьютерами, с течением времени неуклонно растут. Большой популярностью среди молодежи и взрослых пользуются фильмы, особенно фантастика со спецэффектами, а среди детей - игры. Ни одна игра и ни один фильм не обходится без компьютерной графики. При этом нужно, чтобы наблюдаемые в фильмах и компьютерных играх явления были реалистичны, поэтому актуальной темой на сегодня является реалистичное физическое моделирование.
Векторное пространство представляет немалый интерес в науке и в исследованиях. Оно носит не только теоретический характер, но и имеет реальное применение в современном мире.
В связи с появлением гаджетов на операционных мобильных системах, таких как Android, IOS, Blackberry OS, а также других операционных систем, связь с векторным пространством резко возросла.
Также благодаря векторному пространству, есть возможность классифицировать данные.
Именно поэтому, данная тема дипломной работы, актуальна на сегодняшний день.
В данной дипломной работе была спроектирована численная реализация МДМ-метода, метода Гильберта и адаптивного метода условного градиента, были проведены численные эксперименты, результаты которых были сравнены и проанализированы.
Проект должен быть разработан в интерактивной среде программирования Matlab R2013b. Разработанное приложение должно быть нетребовательно к ресурсам системы, просто в установке и настройке и удобно в эксплуатации.
Целью данной работы является: реализация решения задачи проектирования нуля Евклидова пространства на выпуклый многогранник тремя методами (методом Гильберта, МДМ-методом и адаптивным методом условного градиента).
Задачи в рамках выполнения работы:
Изучить научную и учебно-методическую литературу по теме;
Численно реализовать метод МДМ в пакете Matlab;
Численно реализовать метод Гильберта в пакете Matlab;
Численно реализовать адаптивный метод условного градиента в пакете Matlab;
Реализовать пользовательский интерфейс для удобного использования методов;
Провести численные эксперименты;
Провести численные расчёты с реальной базой данных;
Анализ полученных результатов.

Возникли сложности?

Нужна помощь преподавателя?

Помощь студентам в написании работ!


В данной выпускной квалификационной работе была разработана численная реализация методов проектирования нуля Евклидова пространства на выпуклый многогранник следующими методами поиска ближайшей точки: МДМ-метолом, методом Гильберта, адаптивным методом условного градиента, проведены численные эксперименты, также проведены вычисления над реальной базой данных.
Для разработки приложения использовалась интерактивная среда программирования Matlab R2013b. Проведены тесты для случая различной размерности пространства. Был изучен предложенный, теоретический материал, что позволило качественно и быстро справиться с поставленными целями и задачами:
Изучена научная и учебно-методическая литература по теме;
Численно реализован метод МДМ в пакете Matlab;
Численно реализован метод Гильберта в пакете Matlab;
Численно реализован адаптивный метод условного градиента;
Разработан удобный пользовательский интерфейс, включающий в себя все необходимые объекты;
Проведены численные эксперименты;
Проведены численные расчёты над реальной базой данных;
Сравнены и проанализированы полученные результаты.
На основе проделанных экспериментов сделаны следующие выводы:
Для получения более точных результатов в пространствах с малой размерностью нужно применять МДМ метод, а в пространствах с большой размерностью ACGA метод.
Выбор точки начального приближения тоже зависит от размерности пространства. При малой размерности лучше всего выбирать точку из множества, которое лежит на оболочке множества, а в пространствах с
большой размерностью лучше выбирать точку из всего множества.
Для реальной базы данных лучше всего использовать МДМ метод. Остальные методы показывают плохие результаты, когда количество признаков увеличивается.


1. Демьянов, В.Ф. Введение в минимакс [Текст]: / В.Ф. Демьянов, В.Н. Малоземов. Москва: Наука, 1972. - 368с.
2. E. G. Gilbert, D. W. Johnson, and S. S. Keerthi. A fast procedure for computing the distance between complex objects in three-dimensional space. In IEEE Journal of Robotics and Automation, volume 4, pages 193-203, April 1988.
https://graphics.stanford.edu/courses/cs448b-00-winter/papers/gilbert.pdf
3. E. G. Gilbert and C.-P. Foo. Computing the distance between general convex objects in three-dimensional space. In IEEE Transactions on Robotics and Automation, volume 6, pages 53-61, February 1990.
4. Методы оптимизации: Учебное пособие / А.В. Аттетков, В.С. Зарубин,
А.Н. Канатников. - М.: ИЦ РИОР: НИЦ Инфра-М, 2013. - 270 с.: ил.; 60x90 1/16. - (Высшее образование: Бакалавриат). (переплет) ISBN 978-5-369-010372, 700 экз.
5. C. Ericson. The gilbert-johnson-keerthi (gjk) algorithm. SIGGRAPH Presentation, 2004. Sony Computer Entertainment America.
6. Аналитическая геометрия. Часть 2. Афинные и Евклидовы пространства [Текст]: учеб. пособие. 2 семестр. - Казань: ТГГПУ, 2013. - 188с.
7. Дьяконов, В.П. MATLAB. Полный самоучитель.: учебное пособие - Москва: ДМК Пресс, 2015. - 768 с.
8. Васильев Ф.П. Численные методы решения экстремальных задач: учебник, 2-е изд., переработ. и доп. - Москва: Наука, 1988. - 552
9. Z.R. Gabidullina. Adaptive conditional gradient algorithm. In IX Moscow International Conference on Operations Research (ORM2018), pages 65 - 70, October 2018.
10. A. Гилат, MATLAB Теория и практика. Malloy Lithographers, 4-e изд., 2016, - 430 с.

Работу высылаем на протяжении 30 минут после оплаты.




©2024 Cервис помощи студентам в выполнении работ