Подякувати Студентському архіву довільною сумою
Admin
26.02.2023 12:38
Дякуємо, що користуєтесь нашим архівом!
ДОСЛІДЖЕННЯ АЛГОРИТМІВ РОЗПІЗНАВАННЯ ОБРАЗІВ. АЛГОРИТМ К-ВНУТРIШНIХ ГРУПОВИХ СЕРЕДНІХ.
Інформація про навчальний заклад
ВУЗ:
Національний університет Львівська політехніка
Інститут:
Не вказано
Факультет:
Не вказано
Кафедра:
Не вказано
Інформація про роботу
Рік:
2024
Тип роботи:
Методичні вказівки до лабораторної роботи
Предмет:
Основи проектування систем штучного інтелекту
Частина тексту файла (без зображень, графіків і формул):
МІНІСТЕРСТВО ОСВІТИ УКРАЇНИ
Національний університет “Львівська політехніка”
ДОСЛІДЖЕННЯ АЛГОРИТМІВ РОЗПІЗНАВАННЯ ОБРАЗІВ. АЛГОРИТМ К-ВНУТРIШНIХ ГРУПОВИХ СЕРЕДНІХ
Методичні вказівки
1.Мета роботи
Вивчити принципи роботи алгоритму k-внутрішніх групових середніх розпізнавання образів.
Написати програму реалізації алгоритму з графічним інтерфейсом користувача.
2. Короткі теоретичні відомості
2.1. Алгоритм k-внутрішніх групових середніх розпізнавання образів
КРОК 1.
Вибираються к початкових центрiв кластерiв Z1(1), Z2(1),...,Zk(1).
Цей вибір здiйснюється довiльно i, звичайно, в якостi початкових центрiв використовуються першi k результатiв вибiрки з заданої множини образiв.
КРОК 2.
На k-му кроцi iтерацiї задана множина образiв розподiляється по k кластерах за таким правилом : XєSj(k), якщо ||X-Zj(k)||<=||X-Zj(k)||, для всiх i=1,2,...,k, i(j, де Sj(k) - множина образiв, якi входять в кластер з центром Zj(k). У випадку рiвностi рiшення приймаються довiльним чином.
КРОК 3.
На основi результатів кроку 2 визначаються новi центри кластерiв Zj(k+1), j=1,2,...,k, виходячи з умови, що сума квадратiв вiдстаней мiж усiма образами, що належать множині Sj(k), i новiм центром кластера повинна бути мiнiмальною. Iншими словами, новi центри кластерiв Zj(k+1) вибираються таким чином, щоб мiнiмiзувати показник якостi
Jj=(||X-Zj(k+1)||^2, j=1,2,...,k. XєSj(k)
Центр Zj(k+1), що забезпечує мiнiмiзацiю показника якостi, є, по сутi, вибiрковим середнiм, визначеним по множинi Sj(k). Вiдповiдно, новi центри кластерiв визначаються як:
Zj(k+1)=(1/Nj)(X, j=1,2,...,k, XЄSj(k),
де Nj- число вибiркових образiв, що входять в множину типу Sj(k).
Очевидно, що назва алгоритму "К внутрiшнiх групових" визначається способом, прийнятим для послiдовної корекцiї призначення центрiв кластерiв.
КРОК 4.
Рiвнiсть Zj(k+1) при j=1,2,...,k є умовою збiжностi алгоритму, i при її досягненнi виконання алгоритму припиняється. Iнакше, крок 2. Якiсть залежить:
вiд кiлькостi вибираємих центрiв кластерiв;
вiд вибору початкових центрiв кластерiв;
вiд послiдовностi проглядання образiв;
вiд геометричної особливостi даних.
Практичне застосування алгоритму вимагає проведення експериментiв, пов'язаних iз вибором рiзних значень параметра k i початковим розмiщенням центрiв кластерiв.
3. КОНТРОЛЬНІ ЗАПИТАННЯ
3.1. Поняття систем розпізнавання без навчання, таких, що навчають та самонавчальних.
3.2. Переваги та недоліки алгоритму k-внутрішніх групових середніх.
3.3. Схема алгоитму k-внутрішніх групових середніх.
3.4. Умова збіжності алгоритму k-внутрішніх групових середніх.
4. ІНДИВІДУАЛЬНЕ ЗАВДАННЯ
Здійснити розпізнавання образів із застосуванням алгоритму k-внутрішніх групових середніх.
4.1. Х1(1,4), Х2(0,5), Х3(0,6), Х4(1,4), Х5(5,0), Х6(6,0), Х7(7,0), Х8(6,1), Х9(5,5), Х10(6,6), Х11(7,7) , Х12(8,8) , Х13(10,8). K=3
4.2. Х1(4,5), Х2(6,6), Х3(7,7), Х4(8,8), Х5(7,15), Х6(8,15), Х7(9,15), Х8(10,15), Х9(11,15), Х10(14,2), Х11(15,3), Х12(17,5). K=5
4.3. Х1(0,1), Х2(0,3), Х3(0,4), Х4(4,1), Х5(5,1), Х6(5,2), Х7(5,3), Х8(6,9), Х9(8,6), Х10(9,2), Х11(9,5), Х12(9,6), Х13(9,7), Х14(10,2), Х15(10,3), Х16(10,4), Х17(11,3). K=4
4.4. Х1(1,1), Х2(2,0), Х3(5,1), Х4(2,1), Х5(3,1), Х6(2,2), Х7(7,5), Х8(7,6), Х9(19,6), Х10(19,7), Х11(18,9), Х12(19,8), Х13(21,8), Х14(10,9), Х15(11,9), Х16(9,10), Х17(10,10), Х18(10,11). K=5
4.5. Х1(1,1), Х2(1,0), Х3(0,2), Х4(2,4), Х5(2,9), Х6(2,9), Х7(3,8), Х8(4,4), Х9(3,10), Х10(7,6), Х11(7,8), Х12(9,9), Х13(8,7), Х14(8,9), Х15(10,3), Х16(11,3), Х17(11,2). K=3
4.6. Х1(0,3), Х2(0,5), Х3(0,6), Х4(1,4), Х5(5,0), Х6(6,0), Х7(7,0), Х8(6,1), Х9(5,5), Х10(6,6), Х11(7,7), Х12(10,10), Х13(20,8), Х14(20,9). K=4
4.7. Х1(5,5), Х2(6,6), Х3(7,7), Х4(8,8), Х5(7,15), Х6(8,15), Х7(9,15), Х8(10,15), Х9(11,15), Х10(14,2), Х11(15,3), Х12(17,4). K=4
4.8. Х1(0,9), Х2(3,3), Х3(3,4), Х4(3,9), Х5(4,8), Х6(9,5), Х7(9,6), Х8(10,5), Х9(10,5), Х10(10,6), Х11(10,12), Х12(20,8), Х13(20,9). K=3
4.9. Х1(0,3), Х2(2,0), Х3(1,1), Х4(2,1), Х5(3,1), Х6(2,2), Х7(7,5), Х8(7,6), Х9(19,6), Х10(19,7), Х11(18,9), Х12(19,8), Х13(20,8), Х14(10,9), Х15(11,9), Х16(9,10), Х17(10,10), Х18(10,11). K=5
4.10. Х1(1,9), Х2(2,2), Х3(2,3), Х4(2,8), Х5(3,7), Х6(8,4), Х7(8,5), Х8(9,4), Х9(9,5), Х10(10,10), Х11(18,9), Х12(19,8). K=4
4.11. Х1(0,4), Х2(1,2), Х3(2,3), Х4(2,4), Х5(5,0), Х6(6,0), Х7(7,0), Х8(8,4), Х9(8,5), Х10(9,4), Х11(9,5), Х12(11,11). K=3
4.12. Х1(0,0), Х2(0,3), Х3(1,2), Х4(2,3), Х5(2,8), Х6(2,10), Х7(3,9), Х8(4,5), Х9(4,10), Х10(7,6), Х11(7,7), Х12(8,7), Х13(8,7), Х14(8,8), Х15(10,3), Х16(11,3), Х17(11,2). K=4
4.13. Х1(1,1), Х2(1,3), Х3(1,4), Х4(1,6), Х5(2,2), Х6(2,3), Х7(2,4), Х8(3,7), Х9(3,8), Х10(3,9), Х11(4,8), Х12(4,9), Х13(11,6), Х14(11,7), Х15(13,4), Х16(14,5), Х17(14,6). K=4
4.14. Х1(1,2), Х2(1,3), Х3(1,4), Х4(1,5), Х5(2,1), Х6(2,2), Х7(2,4), Х8(3,7), Х9(3,8), Х10(3,9), Х11(4,8), Х12(5,9), Х13(11,6), Х14(11,7), Х15(12,4), Х16(12,5), Х17(12,6). K=3
4.15. Х1(0,1), Х2(0,2), Х3(0,3), Х4(4,1), Х5(5,1), Х6(5,2), Х7(5,3), Х8(6,9), Х9(8,6), Х10(9,2), Х11(9,5), Х12(9,6), Х13(9,7), Х14(10,1), Х15(10,2), Х16(10,3), Х17(11,3). K=4
4.16. Х1(2,10), Х2(3,2), Х3(3,4), Х4(3,9), Х5(4,8), Х6(9,5), Х7(9,6), Х8(10,5), Х9(10,5), Х10(10,6), Х11(11,11), Х12(4,9). K=4
4.17. Х1(1,0), Х2(1,3), Х3(1,4), Х4(1,5), Х5(2,2), Х6(2,3), Х7(2,4), Х8(3,7), Х9(3,8), Х10(3,9), Х11(4,8), Х12(4,9), Х13(10,6), Х14(10,7), Х15(13,4), Х16(13,5), Х17(13,6). K=5
4.18. Х1(1,2), Х2(1,3), Х3(1,4), Х4(1,5), Х5(2,2), Х6(2,3), Х7(2,4), Х8(3,7), Х9(3,8), Х10(3,9), Х11(4,8), Х12(4,9), Х13(10,6), Х14(10,7), Х15(13,4), Х16(13,5), Х17(13,6). K=3
4.19. Х1(1,0) ,Х2(3,0), Х3(2,2), Х4(3,2), Х5(4,2), Х6(3,3), Х7(8,6), Х8(8,7), Х9(20,7), Х10(20,8), Х11(19,10), Х12(20,9), Х13(21,9), Х14(11,10), Х15(12,10), Х16(10,11), Х17(11,11), Х18(11,12). K=4
4.20. Х1(1,1) ,Х2(3,0), Х3(2,2), Х4(3,2), Х5(4,2), Х6(3,3), Х7(8,6), Х8(8,7), Х9(20,7), Х10(20,8), Х11(19,10), Х12(19,9), Х13(22,9), Х14(11,10), Х15(13,10), Х16(10,11), Х17(11,11), Х18(11,12). K=4
4.21. Х1(1,8), Х2(2,3), Х3(2,3), Х4(2,8), Х5(3,7), Х6(8,4), Х7(8,5), Х8(9,4), Х9(9,5), Х10(10,10), Х11(19,10), Х12(22,9). K=3
4.22. Х1(1,1) ,Х2(3,1), Х3(2,2), Х4(3,2), Х5(4,2), Х6(3,3), Х7(8,6), Х8(8,7), Х9(20,7), Х10(20,8), Х11(19,10), Х12(22,9), Х13(21,9), Х14(11,10), Х15(12,10), Х16(12,11), Х17(11,11), Х18(11,12). K=5
4.23. Х1(2,3), Х2(2,1), Х3(2,3), Х4(2,4), Х5(5,0), Х6(6,0), Х7(7,0), Х8(8,4), Х9(8,5), Х10(9,4), Х11(9,5), Х12(10,10). K=4
4.24. Х1(0,1) ,Х2(3,0), Х3(2,2), Х4(3,2), Х5(4,2), Х6(3,3), Х7(8,20), Х8(8,7), Х9(20,7), Х10(20,8), Х11(19,10), Х12(22,9), Х13(21,9), Х14(11,10), Х15(12,10), Х16(12,11), Х17(20,11), Х18(20,20). K=5
4.25. Х1(0,3), Х2(2,0), Х3(2,3), Х4(2,4), Х5(5,0), Х6(6,0), Х7(7,0), Х8(8,4), Х9(8,5), Х10(9,4), Х11(0,5), Х12(10,0). K=4
5. ЗМІСТ ЗВІТУ
5.1. Мета роботи.
5.2. Блок схема алгоритму k-внутрішніх групових середніх.
5.3. Лабораторне завдання.
5.4. Результати виконання індивідуального завдання.
5.5. Аналіз результатів та помилок, допущених при виконанні роботи.
5.6. Висновки.
6. Література
6.1. Ту Дж., Гонсалес Р. Принцыпы распознавания образов.М.,Мир,1978
6.2. Фор А. Восприятие и распознавание образов.М.,Машиностроение,1989
6.3. А.Л.Горелик, В.А.Скрипкин. Методы распознавания: Учеб. Пособие для вузов. 3-е изд., перераб. И доп.- М.: Высш.шк., 1989.-232 с.
6.4. А.Л.Горелик, В.А.Скрипкин. Некоторые вопросы построения систем распознавания. М., Сов. Радио, 1974, 224 с.
Ділись своїми роботами та отримуй миттєві бонуси!
0%
Оголошення від адміністратора