Пример готовой курсовой работы по предмету: Информационные технологии
Содержание
СОДЕРЖАНИЕ
ВВЕДЕНИЕ 4
ТЕОРЕТИЧЕСКАЯ ЧАСТЬ 6
1.1 Основные понятия 6
1.2 Методы распознавания букв 7
1.3 Формирования базы знаний букв 12
ПРАКТИЧЕСКАЯ ЧАСТЬ 13
2.1 Описание рукописных букв 13
2.2 Деформация рукописных букв и матрицы смежности 14
2.3 Создание массива векторов 20
2.4 Обработка массива векторов в «Квазаре». Таксономия 22
2.5 Листинг с коэффициентом корреляции от 0.9 до 1 23
2.6 Построение графа корреляции 30
2.7 Вывод 33
ЗАКЛЮЧЕНИЕ 34
СПИСОК ЛИТЕРАТУРЫ
Выдержка из текста
ВВЕДЕНИЕ
Актуальность задачи автоматического чтения рукописных текстов связана с необходимостью включения в современные базы данных архивных документов, существующих только в "бумажном” варианте. Также актуальность программы обусловлена популярностью на рынке программных продуктов подобного типа (для распознавания образов) и их широкого применения в КПК, смартфонах, ноутбуках, т.д. Программное обеспечение для распознавания образов разрабатывается многими компаниями и является одним из инновационных продуктов на современном рынке.
Целью работы: освоение технологии анализа изображений.
Задачи работы: изучить теорию Гренандера, алгоритмы распознавания изображений, описать рукописные буквы, обработать их в Квазаре, проанализировать полученные данные и построить графы корреляции.
План работы ( оценка этапов):
1. согласовать тему курсовой работы и отметить в журнале курсовых работ
2. выбор букв в алфавите
3. перенос каждого экземпляра буквы из АЛФАВИТА в EXEL файл фамилия группа буквы
ДАЛЕЕ РАБОТА ИДЕТ С КАЖДОЙ БУКВОЙ
4. Выделить крайние и существенные точки буквы ( PAIN – точки существенные – ЗЕЛЕНЫЕ )( вначале изменяется Y потом X — смотри таблицу КОДИРОВКИ )
5. Деформация буквы. Выделить структурные элементы связей. ( пример линия дуга ).
Какие и как элементы могут переходить друг друга. Нарисовать крайние форм букв , т.е. такие буквы, что их можно распознать как другую букву.
6. Построить матрицы смежности ДЛЯ ВСЕХ ДЕФОРМАЦИЙ ( Желательно в МАТЛАБЕ – ПРОГРАММА)
Найти минимальное и максимально ( по количеству вершин ) описание букв.
7. Построение ИНВАРИАНТОВ ПРОСТОГО ГРАФА. Расширить все матрицы смежности до максимального размера. ( добавить нулевые строки и столбцы)
8. Развернуть матрицу по строкам — получим N- вектор
Создать МАССИВ n- ВЕКТОРОВ для обработки в КВАЗАРЕ ( отдельный лист EXEL название — МАССИВ n- ВЕКТОРОВ буква
9. Перевести МАССИВ n- ВЕКТОРОВ в файл .txt по структуре КВАЗАРА
10. Обработка файла описания букв в КВАЗАРЕ. Таксономия векторов и признаков
11. Построить Образ (таксон) БУКВЫ
12. Таксономия признаков Параметры – режим — ручной просчет ( смотри папка та признаков и методичка КВАЗАР
13. Коэф корреляции от 0.9 до 1
14. Листинг выслать
15. Простроить граф корреляции 0.9 , 0.95, 1 выделить вершины (существенные признаки – МУВ — круги большого размера).
Список использованной литературы
СПИСОК ИСПОЛЬЗУЕМОЙ ЛИТЕРАТУРЫ
1. Зеленцов И.А. Выдвижение и проверка гипотез в системе распознавания древнерусской скорописи // Информационные технологии и письменное наследие; Материалы междунар. науч. конф. Уфа Ижевск, 2010. С. 90-101
2. Поцапаев Р.В. Восстановление траекторий написания символов по изображениям // Исследовано в России: Электронный журнал. МФТИ, 2003. 14 с.
3. Зеленцов И.А. Выдвижение и проверка гипотез в системе распознавания древнерусской скорописи // Компьютерная графика и математическое моделирование: Сб. тез. и докл. науч. школы для молодых ученых. М., 2009. С. 116-131
4. Баранов В.А., Варфоломеев А.Г.. Информационные технологии и письменное наследие // Материалы IV междунар. науч. конф. (Петрозаводск), Ижевск, 2012. 328 с.
5. Гренандер У.. Лекции по теории образов // Мир, М., 1979-1983. 384 с. (1 том) , 448 с. (2 том), 432 с. (3 том).
