Cтраница 1
Распознавание объектов и систем фактически является задачей классификации. В отличие от классических схем идентификации, при реализации которых каждый класс содержит только один объект, в схемах распознавания производственных ситуаций к одному классу относится множество объектов, имеющих различные численные значения идентифицируемых координат, принадлежащих некоторым подмножествам интервалов, отнесенных в качестве признаков принадлежности к тому или иному классу. [1]
Распознавание объекта заключается в сравнении его признаков с признаками одного или нескольких эталонов, определенных для каждого класса, и отнесении объекта к тому или иному эталону. В дефектоскопии простейшими являются классы Годен, Негоден, каждый из которых описывается вероятностными характеристиками. [2]
Воэ-сно распознавание перетаскиваемого объекта. [3]
Одним из этапов распознавания объекта является интерпретация смысла линий. [4]
Для решения задач распознавания объектов или явлений на практике приходится прибегать к пострению систем распознавания ( см. гл. При практическом построении систем распознавания необходимо использовать большие массивы данных о признаках объектов. Общее число классов объектов и признаков, на языке которых они описываются, может доходить до нескольких сотен. Построение логических систем распознавания объектов, содержащих большое число классов и признаков, и оценка их эффективности связаны со значительными трудностями. [5]
Одним из этапов распознавания объекта является интерпретация смысла линий. [6]
В известных алгоритмах распознавания объектов считается, что типы возможных объектов ( модели) известны заранее. Известно также их математическое и структурное описание с точностью до свободных параметров и их допустимых изменений. Фалька ( см. [66]) было показано, что при анализе сцены целесообразно использование следующих двух общих свойств ее плоского изображения. [7]
Особое место в распознавании объектов и ситуаций занимают методы, основанные на нечетком и лингвистическом подходах. Нечеткими могут быть метки, указывающие принадлежность объектов обучающего множества к соответствующим классам. Возможно также размытие классификационных признаков. Признаками классификации могут служить непроизводные элементы и отношения между ними, наиболее эффективно описываемые при использовании лингвистического подхода. [8]
При классификации и распознавании объектов выбор признаков нередко ограничен возможностями или стоимостью измерения признаков. Особенно это касается задач распознавания состояния технологического процесса. Набор признаков в этом случае ограничен параметрами и показателями технологического процесса. Успешное решение задачи распознавания зависит от разделяющих качеств выбранных признаков. [9]
Изложена общая постановка проблемы распознавания объектов и явлений, процессов и ситуаций. Рассмотрены системотехнический подход к построению систем распознавания, формированию признакового пространства в условиях ограничений ресурсов, нетрадиционные непараметрические методы обработки априорной информации, вероятностные и логические алгоритмы распознавания, модели оптимального управления процессом распознавания, методы и алгоритмы оценки эффективности систем распознавания. [10]
Изложены общая постановка проблемы распознавания объектов и явлений, процессов и ситуаций. Рассмотрены системотехнический подход к построению систем распознавания, формированию признакового пространства в условиях ограничений ресурсов, нетрадиционные непараметрические методы обработки априорной информации, вероятностные и логические алгоритмы распознавания, модели оптимального управления процессом распознавания, методы и алгоритмы оценки эффективности систем распознавания. [11]
Ниже будут рассмотрены задачи распознавания объектов и явлений ( процессов), для решения которых используется изложенный аппарат алгебры логики. [12]
В настоящее время процедуры распознавания объектов и явлений находят все большее применение в различных сферах деятельности человека. [13]
Программы комплекса FOP использованы для распознавания объектов двух указанных классов в десятимерном пространстве признаков. Ниже приведены типовые задания для операционной системы ДОС ЕС. Слева указаны номера перфокарт. [14]
При решении задач классификации ( распознавания объектов) применяются методы адаптации, позволяющие прогнозировать продолжительность эффекта после проведения каждого вычисленного мероприятия по всем скважинам месторождения. [15]