Пример готовой дипломной работы по предмету: Информационные технологии
Содержание
ВВЕДЕНИЕ 3
ГЛАВА
1. Методы и алгоритмы используемые в задачах автоматической классификации объектов.. 6
1.1. Иерархическая классификация 7
1.2. Алгоритм СПЕКТР 8
1.3. Алгоритм КРАБ 11
ГЛАВА
2. Вариационные алгоритмы автоматической классификации объектов на основе информационной меры однородности 15
2.1. Информационная мера однородности на основе энтропии 16
2.2. Функционал качества разбиения учитывающий равномерности основных параметров характеризующих разбиение 18
2.3. Функционал качества разбиения учитывающий однородность внутриклассовых расстояний. 29
ГЛАВА
3. Программная поддержка вариационного алгоритма автоматической классификации объектов и алгоритма распознавания образов на основе информационной меры однородности 31
3.1. Обоснование выбора аппаратно – программной 31
платформы для прототипа системы классификации 31
объектов и распознавания образов 31
3.2. Основные функции прототипа системы и их использование 33
3.3. Описание структуры данных прототипа системы 35
3.4. Описание пользовательского интерфейса прототипа системы 40
3.5. Вычислительные эксперименты 54
ЗАКЛЮЧЕНИЕ 58
ЛИТЕРАТУРА 61
Приложение №
1. Программный код модуля классификации и распознания 6
Выдержка из текста
Известно, что одно из центральных мест в прикладном анализе эмпирических данных занимает задача автоматического агрегирования элементов различной природы. Данная задача имеет достаточно большую область применений, например: в кибернетике, управлении, принятии решений, экономике, социологии, медицине, геологии, астрономии, биологии и т. п. Решением задачи автоматической классификации объектов является такое разбиение исходного множества анализируемых объектов без участия человека на непересекающиеся подмножества, в которых содержатся только сходные, близкие друг к другу в заданном признаковом пространстве, в некотором, возможно неизвестном, но объективно существующем отношении [1].
Современные методы решения задач классификации объектов базируются на двух основных подходах: эвристическом и вариационном. Вариационный подход наиболее приемлем для решения задачи автоматического агрегирования элементов, хотя и в данном подходе присутствует эвристическая составляющая при построении функционала качества разбиения, экстремальное значение которого соответствует наилучшему разделению в интуитивном понимании исследователя. В некоторых работах обращается внимание на степень однородности (похожести) объектов внутри каждого класса, которая должна быть учтена в функционале качества разбиения. В данной работе предложен критерий однородности, основанный на информационной мере в виде аналога энтропии по Шеннону, который может быть использован при конструировании функционалов, учитывающих степень однородности (похожести) объектов внутри каждого класса [6].
В настоящее время существует множество методов автоматической классификации объектов, в том числе и вариационных. Каждый из них обладает своими преимуществами и недостатками, оптимального метода пока не найдено. Из этого можно сделать вывод, что задача классификации не является решенной в достаточной степени хорошо. В связи с острой необходимостью решения подобных задач и постоянным увеличением вычислительных мощностей ЭВМ попытка использования вариационных алгоритмов для их решения становится весьма актуальной.
В данной работе предлагается использовать меру информационной однородности, разработанную в последние годы на факультете, для конструирования функционалов. Принцип максимальной однородности разбиения был предложен в работах Загоруйко, как модель действия человека при неавтоматической классификации. Существенным отличием предлагаемого подхода является использование в качестве общей меры однородности функционала, который построен на основе комбинации информационных мер однородностей отдельных характеристик (классов, размеров классов, расстояний между классами, количеств элементов в классе).
Таким образом реализуемый подход будет обладать существенной новизной по сравнению с используемыми методами. На этой основе нами было сконструировано два функционала, подлежащих исследованию в данной работе. Первый уже некоторое время исследуется, второй был сконструирован недавно и предлагается как альтернатива первому.
Цель:
Исследование ранее созданного вариационного функционала на основе информационной меры однородности и разработка нового алгоритма автоматической классификации объектов на основе функционала, подлежащего максимизации.
Задачи:
Обзор основных существующих методов классификации объектов.
Разработка нового функционала качества разбиения на основе информационной меры однородности;
Создание программной поддержки вычислительных экспериментов для функционалов качества разбиения;
Проведение вычислительных экспериментов;
Создание прототипа информационной системы классификации объектов на основе функционалов, подлежащих максимизации, сконструированных с использованием информационной меры однородности
Список использованной литературы
1. Автоматика и управление в технических системах. В
1. кн./ Отв. ред. С.В.Емельянов, В.С.Михалевич — К.: Вища шк., 1992 — Кн
6. Математическое обеспечение научных исследований в автоматике и управлении / Л.Ф. Компанец, А.А.Краснопрошина, Н.Н.Малюков: Под ред. А.А.Краснопрошиной.-287с.
2. Барсегян А.Л., Куприянов М. С, Степаненко В.В., Холод И.И. Методы и модели анализа данных: OLAP и Data Mining. — СПб.: БХВ-Петербург, 2004. — 336 с: ил.
3. Дж. Ту, Р. Гонсалес Принципы распознавания образов. – М.: Мир, 1978г.-411с.
4. Жиляков Е.Г., Маматов Е.М. Определение весов признаков в алгоритмах вычисления оценок. //Распознавание образов и обработка информации Сб. науч. Тр. – Минск – 1999 г.
5. Жиляков Е.Г., Маматов Е.М, Барсук А.А. Вариационный алгоритм автоматической классификации объектов //Вопросы радиоэлектроники. – 2007.- Выпуск 2.-с. 110-123.
6. Журавлев Ю.И., Гуревич И.Б. Распознавание образов и анализ изображений // Искусственный интеллект в 3-х кн. Кн
2. Модели и методы: Справочник / Под ред. Д.А.Поспелова. — М: Радио и связь, 1990. С. 149-190.
7. Загоруйко Н.Г. Какими решающими функциями пользуется человек? – Вычислительные системы, Новосибирск, 1967, вып. 28, с.69 – 78.
8. Маматов Е.М. Применение информационной меры однородности в задачах автоматической классификации объектов и распознавания образов (Системный анализ, управление и обработка информации (информационно-телекоммуникационные системы)): Дисс. … канд-та техн. Наук. – Белгород, 2006.-126 с.
9. Маматов Е.М. Модели голосования в задачах распознавания объектов// Компьютерное моделирование :: Изд-во БелГТАСМ, 1998. с . 91 – 97
10. Маматов Е.М. Автоматизированное рабочее место для автоматической классификации объектов и распознавания образов. // Вестник Национального технического университета "Харьковский политехнический институт". Сборник научных трудов. Тематический выпуск: Информатика и моделирование. – Харьков: НТУ «ХПИ», — 2003. — № 26. – с.111 – 114.
11. Маматов Е.М. Алгоритмы классификации объектов и распознавания образов в промышленности по производству строительных материалов. // Вестник БГТУ / научно-теоретический журнал. / Материалы международного конгресса «Современные технологии в промышленности строительных материалов и стройиндустрии», посвященного 150-летию В.Г. Шухова /Часть III — № 6.2003г., с 166-168.
12. Маматов Е.М. О формировании признакового пространства в задачах распознавания образов и классификации объектов. // ВЕСТНИК Московской академии рынка труда и информационных технологий № 4(26) – 2006г. – с.20 – 28.
13. Маматов Е.М. Обработка растровых изображений с использованием вариационного алгоритма автоматической классификации объектов, основанного на функционале однородности. // Современные проблемы прикладной математики и математического моделирования: Материалы конференции. – Воронеж: Воронежская государственная академия, 2005 г, с. 142.
14. Маматов Е.М. Определение весомости признаков в задачах распознавания образов и классификации объектов. // Научные ведомости. Белгородский государственный университет. Серия: Информатика и прикладная математика. № 2., Выпуск 3,. Белгород: Изд-во БелГУ – 2006г., с 107 – 117.
15. Маматов Е.М. Определение порогов близости для метрики Журавлева в задачах классификации объектов. // Потребительская кооперация России на пороге третьего тысячелетия: Тезисы докладов научно-практической конференции профессорско-преподавательского состава. Ч.2 – Белгород: Изд-во БУПК, 1999, с.108-109.
16. Маматов Е.М. Оценка информативности признаков при решении задач классификации объектов. // Потребительская кооперация России на пороге третьего тысячелетия: Сборник научных трудов участников научно-практической конференции профессорско-преподавательского состава. Ч.2 – Белгород: Изд-во БУПК, 1999, с.165-175
