Теоретические основы распознавания образов. Функциональная схема системы распознавания. Применение байесовских методов при решении задачи распознавания образов. Байесовская сегментация изображений. Модель TAN при решении задачи классификации образов.
Аннотация к работе
1.1 Актуальность проблемы 1.2 Цель и задачи работы 1.3 Методы исследования 1.4 Научные результаты 1.5 Практические результаты 1.6 Апробация работы 1.7 Положения, выносимые на защиту 2. Теоретические основы распознавания образов 2.1 Основные понятия задачи распознавания 2.2 Распознавание образов в задаче верификации подписей 2.3 Функциональная схема системы распознавания 3. Байесовский метод распознавания 3.1 Применение байесовских методов при решении задачи распознавания образов 3.2 Основы байесовского метода 3.3 Байесовская сегментация изображений 3.4 Задача классификации алгоритмом Байеса при распознавании образов 3.5 Модель TAN при решении задачи классификации образов 3.6 Моделирование по принципу Монте-Карло 4. Оценка эффективности 4.1 Точность 4.2 Погрешность 4.3 Ресурсоемкость Заключение Литература 1. Развитие вычислительной техники и механизмов обработки данных привело к возможности облегчить, повысить качество и ускорить решение ряда задач, возникающих в процессе жизнедеятельности. Это повлияло на появление множества систем, автоматизирующих широкий спектр задач, в том числе и распознавания. Кроме того, популяризация систем дополненной реальности, таких как Google Glass, так же вносит огромный вклад в дальнейшее развитие технологий. 1.2 Цель и задачи работы Целью данной работы является разработка комплекса алгоритмов, позволяющих распознавать подписи во входящем потоке документов и находить им соответствие в базе, что дает возможность определять, есть ли смысл работать с данным документом (т.е. устанавливается, имеется ли подпись в картотеке доверенных подписей). Применение параметрических байесовских алгоритмов, которые, в отличие от небайесовских, учитывают не только статистику распределений значений признаков в классах, но и определенные гипотезы об априорных вероятностях принадлежности объектов классам, что можно трактовать как обучение распознаванию, или как адаптацию к конкретным условиям распознавания 1.5 Практические результаты Предполагаемым практическим результатом можно считать подведение теоретической основы под решение задачи распознавания подписей в сфере первичной обработки документов по признаку валидности подписи заявителя. 1.6 Апробация работы Основные результаты работы докладывались и получили положительную оценку на следующих конференциях: XII Международной научно-технической конференции: «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда, 2017 г.); девятой Международной научно-технической конференции: «Автоматизация и энергосбережение машиностроительного и металлургического производств, технология и надежность машин, приборов и оборудования» (Вологда, 2014 г.); «Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и систем искусственного интеллекта» (Вологда, 2015 г.); Российской научно-практической конференции с международным участием: «Бизнес. Наука. Основное свойство образа проявляется в том, что ознакомление аппарата распознавания с конечным числом объектов одного и того же множества позволяет распознавать сколь угодно большое число представителей этого множества. Каждый образ обладает своими характерными объективными свойствами, а обучение на различном материале наблюдений объекта в большинстве случаев приведет к одинаковой классификации представленного объекта.