Отрывок: Это, конечно, сопровождается потерей информации о классе и может приво- дить к потере качества распознавания. Построенные описанным способом опорные подпространства допускают простую про- цедуру множественной классификации. В данном случае для отнесения распознаваемого вектора к одному из классов достаточно определить класс, с которым показатель сопря- женности максимален. При этом на этапе построения опорных подпространств должна быть обе...
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.author | Фурсов, В.А. | - |
dc.contributor.author | Минаев, Е.Ю. | - |
dc.date.accessioned | 2016-12-12 11:16:01 | - |
dc.date.available | 2016-12-12 11:16:01 | - |
dc.date.issued | 2016 | - |
dc.identifier | Dspace\SGAU\20161212\60734 | ru |
dc.identifier.citation | Материалы Международной конференции и молодёжной школы «Информационные технологии и нанотехнологии», с. 530-537 | ru |
dc.identifier.isbn | 978-5-7883-1078-7 | - |
dc.identifier.uri | http://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Postroenie-opornyh-podprostranstv-v-zadachah-raspoznavaniya-fraktalnyh-izobrazhenii-60734 | - |
dc.description.abstract | В статье решается задача распознавания фрактальных изображений. Рассматривается подход, основанный на использовании опорных подпространств, образованных подмножеством векторов распознаваемых классов. Предлагается новый, основанный на ортогональном разложении, алгоритм вычисления показателя сопряженности, с использованием которого формируются опорные подпространства, обеспечивающие повышение качества распознавания. Приводятся результаты экспериментов, показывающие, что качество распознавания растет даже при заметном уменьшении числа векторов в опорном подпространстве. | ru |
dc.language.iso | rus | ru |
dc.publisher | Издательство СГАУ | ru |
dc.subject | цифровая обработка изображений | ru |
dc.subject | распознавание фрактальных изображений | ru |
dc.subject | показатель сопряженности | ru |
dc.subject | бинарная и множественная классификация | ru |
dc.title | Построение опорных подпространств в задачах распознавания фрактальных изображений | ru |
dc.type | Article | ru |
dc.textpart | Это, конечно, сопровождается потерей информации о классе и может приво- дить к потере качества распознавания. Построенные описанным способом опорные подпространства допускают простую про- цедуру множественной классификации. В данном случае для отнесения распознаваемого вектора к одному из классов достаточно определить класс, с которым показатель сопря- женности максимален. При этом на этапе построения опорных подпространств должна быть обе... | - |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
530-537.pdf | Основная статья | 628.59 kB | Adobe PDF | Просмотреть/Открыть |
Показать базовое описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.