 |
|
Русенски университет "Ангел Кънчев"
РЕФЕРАТ
По Дискретни структури
На тема:
Разпознаване на образи
Спец.: Компютърни системи и технологии
2010 г.
Съдържание:
1.1. Методика за разпознаване на образи
2.2. Методи за разпознаване на образи
2.2.1. Метод на булевите функции
2.2.2. Метод на линейните решаващи функции
2.2.3. Вероятностен метод за разпознаване на образи
1. Теоретични положения
Разпознаването
на образи моделира способността на човешкия интелект към обобщаване с цел
синтез на различни системи за обработка на реч, звук, символи, обекти за
управление от дискретен (цифров) или непрекъснат (аналогов) тип. Образ
се нарича описанието на конкретен обект чрез набор от признаци, характеризиращи
отделни негови свойства. Класът от образи 
представлява множество от образи,
притежаващи общи признаци. Разпознаването на образ означава отнасянето
му към определен клас, притежаващ общи признаци.
...............................................
Изборът на математически метод зависи от предварително определените признаци, които притежават обектите и от избраните критерии.
Определянето
на критериите за разделяне на класовете от образи е
свързано с анализиране признаците на обектите за обработка. За решаването на
задачата е необходимо да се намери функция 
, която разделя цялото множество от
обекти на определен брой непресичащи се класове, в които те се групират. Когато
за разпознаваните образи има пълни априорни сведения за принадлежността им към
отделните класове, може точно и непосредствено да се
определи въз основа на допълнителна извадка от образи. Ако относно образите има
само качествени сведения и/или много шум, трябва да се направи разумно
предложение за вида на функцията и да се предвидят възможности за
структурна и параметрична адаптация (самонастройка на системата). На практика
по-често се разполага с малко априорни сведения за разпознаваните обекти.
Тогава при класификацията се препоръчва използването на обучаваща процедура.
Първоначално се избира сравнително произволна функция и преминавайки през
стъпките на итеративен алгоритъм за обучение, тази функция се довежда до
приемлив или оптимален вид. При това ако наборът от класове е известен преди
процедурата за класификация, обучението е “с учител”, в противен случай
обучението е “без учител”, т.е. самообучение. Тогава системата
сама открива класовете, на които се разделя обучаващата извадка и едновременно
с това определя присъщите им признаци.
................................................
2.2.4. Метод на перцепрона
В
най-прост вид перцептронът (фиг. 4) се състои от сензорни елементи (S), на
които въздействат входните образи. S-елементите по случаен начин се
свързват с множество от асоциативни елементи (А), изходът на които е различен
от 0, когато са възбудени достатъчен брой съответни на А елементи S. А-елементите
са свързани с реагиращите елементи (R) с връзки коефициентите на усилване,
които са с променливи тегла. Притеглените комбинации на изходите на
А-елементите представляват реакцията на системата 
, указваща принадлежността на вектора 
към съответния
клас.
..........................................
Литература
1. Фор А., Восприятие и разпознавание образов, Москва "Машиностроене", 1989.
2. Ту Дж., Р. Гонзалес, Принципы разпознавания образов, Издателство "Мир", Москва, 1978.
3. Горелик А. Л., В. А. Скрипкин, Методы разпознавания, Москва, "Высшая школа", 1977.
Темата е изготвена 2010 г.
Темата съдържа фигури, таблици, формули и примери.
Ключови думи:
образ, клас от образи, класове образи, разпознаване на образи, методика и методи за разпознаване на образи, метод на булевите функции, метод на линейните решаващи функции, вероятностен метод за разпознаване на образи, метод на перцепрона, Бейсовска матрица, ковариационни матрици, перцептрон
]]>
