У вас вопросы?
У нас ответы:) SamZan.net

темах розпізнавання.

Работа добавлена на сайт samzan.net: 2016-03-13

Поможем написать учебную работу

Если у вас возникли сложности с курсовой, контрольной, дипломной, рефератом, отчетом по практике, научно-исследовательской и любой другой работой - мы готовы помочь.

Предоплата всего

от 25%

Подписываем

договор

Выберите тип работы:

Скидка 25% при заказе до 3.4.2025

Теория распознавания образов

Лабораторна робота № 2

Студента группы ВС-101 Карпенкова Никиты

Дослідження геометричних мip близькостм об'ектмв i класів в системах розпізнавання.

Завдання:

  1.  Розробити алгоритм ухвалення рішення в детермінованій системі розпізнавання на основі використання відомих геометричних мip близькості.
  2.  Програмно реалізувати  розроблений алгоритм.
  3.  Увести   задані описи 4-х класів i запропонованих ознак розпізнавання (таблиці 1-4 -варіанти завдань).
  4.  Налагодити програми.
  5.  Виконати  контрольні  розпізнавання невідомих об'ектів по векторах їхніх ознак (задати самостійно).
  6.  Порівняти прийняти рішення про віднесення невідомих об'ектів до заданих класів по різних міpax близькості. Зробити висновки.

Початкові данні для тестування програми i проведения досліджень

Таблица 1

6

X

0.5

1.00

0.25

0.7

0.64

Y

0.8

0.60

0.70

0.8

0.88

Таблица 2

6

X

Y

0.04

0

0.03

0.05

0.05

0.54

0.6

0.47

0.75

0.80

Таблица 3

6

X

0.0

0.04

0.0

0.8

0.03

0.03

Y

0.4

0.57

0.33

0.65

Таблица 4

6

X

0.38

0.90

0.02

0.04

0.04

0.06

Y

0.60

0.70

0.72

0.80

0.82

1.00


Ход работы

В процессе работы необходимая функциональность была реализована в виде m-файла среды Матлаб.

Оценка близости осуществляется по сумме модулей разниц значений каждого признака. (3)

Код m-файла:

INP(1)=input('X: ');

INP(2)=input('Y: ');

A=[0.5 1 0.25 0.7 0.64

0.8 0.6 0.7 0.8 0.88];

B = [0.04 0 0.03 0.05 0.05

0.54 0.6 0.47 0.75 0.8];

C = [ 0 0.04 0 0.03 0.03

0.4 0.57 0.8 0.33 0.65];

D = [0.38 0.9 0.02 0.04 0.04 0.06

0.06 0.07 0.72 0.8 0.82 1];

A1(1)=sum(A(1,:))/5;

A1(2)=sum(A(2,:))/5;

B1(1)=sum(B(1,:))/5;

B1(2)=sum(B(2,:))/5;

C1(1)=sum(C(1,:))/5;

C1(2)=sum(C(2,:))/5;

D1(1)=sum(D(1,:))/5;

D1(2)=sum(D(2,:))/5;

SABS(1)=abs(INP(1)-A1(1))+abs(INP(2)-A1(2));

SABS(2)=abs(INP(1)-B1(1))+abs(INP(2)-B1(2));

SABS(3)=abs(INP(1)-C1(1))+abs(INP(2)-C1(2));

SABS(4)=abs(INP(1)-D1(1))+abs(INP(2)-D1(2));

Mmax=SABS(1);

for i=1:length(SABS)

    if SABS(i)>Mmax

    Mmax=SABS(i);

    Imax=i;

   end;

end;

plot(A', 'xr');

hold on;

plot(B', 'og');

plot(C', '*b');

plot(D', '+m');

plot(INP, 'sk');

fprintf('Принадлежит классу %d', Imax);


Проверка работы модуля на тестовых данных

>> sumabs

X: 0.5

Y: 0.4

Принадлежит классу 2

Выводы: Была проведена работа, в процессе которой был разработан алгоритм принятия решений в детерминированной системе распознавания на основе использования известных мер близости. Разработанный алгоритм был успешно реализован в среде Матлаб. Алгоритм был проверен на тестовых данных с использованием предложенных классов и признаков распознавания. Было выполнено контрольное распознавание неизвестных объектов по векторам их признаков.




1. . Почему Мамардашвили считает что философию нельзя определить 2.
2. ак ЕА Вагнера Минздравсоцразвития России Кафедра эндокринологии и клинической фармакологии З
3. реферат дисертації на здобуття наукового ступеня доктора психологічних наук
4. Поділка кутоміра її суть залежність між поділкою кутоміру та градусною системою
5. Тема- Контроль і оцінювання рівня сформованості в учнів іншомовної комунікативної та загальнонавчальної ком
6. Бром1
7. Stolen Dncewv 04-02New 02-04-02Polrkreis 18 llein llein
8. Стили русского литературного языка
9. Способствовать формированию представления о детской йоге у детей дошкольного возраста
10. Школа здоровья 384 Человек и выбор жизненного пути