Методы распознавания образов при идентификации объектов бинарного класса в автоматизированных телекоммуникационных комплексах систем управления - Дипломная работа
Основные цели и задачи построения систем распознавания. Построение математической модели системы распознавания образов на примере алгоритма идентификации объектов военной техники в автоматизированных телекоммуникационных комплексах систем управления.
Аннотация к работе
3 1. Современное состояние и перспективы распознавания образов. Вероятность ошибки при проверке гипотез. 38 1.5.6 Оценивание вероятности ошибки. 86 2.2 Описание оптической системы. 96 2.6 Алгоритм распознавания. 104 Введение В настоящее время перед вооружёнными силами различных государств возникла следующая проблема: несоответствие огневых возможностей современных образцов вооружения и возможностей систем, позволяющих дать более-менее достоверный ответ на вопрос о государственной принадлежности поражаемого объекта (систем опознавания). Дальность поражения превышает дальность действия систем опознавания, поэтому при ведении боя существует вероятность того, что поражаемый объект окажется принадлежащим к группировке союзных войск. Этот принцип определяется требованиями, предъявляемыми к системе распознавания, которые, в свою очередь, зависят от того, какие решения могут приниматься по результатам распознавания системой неизвестных объектов и явлений. Эта задача состоит в составлении словаря признаков, используемого как для априорного описания классов, так и для апостериорного описания каждого неизвестного объекта или явления, поступающего на вход системы и подлежащего распознаванию. Пусть в словаре содержится упорядоченный набор параметров объектов или явлений - признаки x1, x2, …, xN. Множество векторов x образует пространство признаков размерности N, а точки этого пространства представляют собой распознаваемые объекты. Пусть произведено разбиение объектов на классы C1, C2, ,…, Cm. Требуется выделить в пространстве признаков области Di, i=1, 2, …,m, эквивалентные классам, т. е. характеризуемые следующей зависимостью: если объект характеризуется набором признаков x={x1, x2, …, xN} и относится к классу Ci, то представляющая его в пространстве признаков точка принадлежит области Di. При этом, если выбранная мера близости L данного объекта ? с каким - либо классом Cp, p=1, 2, , , m, превышает меру его близости с другими классами, то принимается решение о принадлежности этого объекта классу Cp, т. е. ? Cp, если L (?, Cp) = max {L (?, Ci)}, i = 1, 2, …, m Задача 6. Задача состоит в выборе показателей эффективности системы распознавания и оценке их значений. Каждый образ характеризуется набором признаков - величин, на основании которых система принимает решение о принадлежности объекта определённому классу. Здесь P(Ci) - априорные вероятности того, что объект принадлежит классу Ci. Его можно записать следующим образом: . В этом случае можно вычислить p(x/Ci) следующим образом: , (1.14) где областью интегрирования ? является вся область изменения ?i.