Please use this identifier to cite or link to this item: http://openarchive.nure.ua/handle/document/2281
Title: Методы и модели многомерного прогнозирования визуальной информации
Authors: Мантула, Е. В.
Issue Date: 2014
Citation: Мантула, Е. В. Методы и модели многомерного прогнозирования визуальной информации : автореф. дис. ... канд. техн. наук : 05.13.06 "Информационные технологии" / Е. В. Мантула ; М-во образования и науки Украины, Харьк. нац. ун-т радиоэлектроники. – Харьков, 2014. – 154 с.
Abstract: Дисертація присвячена розвитку моделей і методів багатовимірного прогнозування часових рядів, індукованих відеоданими. Крім традиційних завдань прогнозування розглядається сегментація часових рядів, що забезпечує «семантичну» структуризацію відеоданих для підвищення ефективності технологій інформаційного пошуку. Специфікою пропонованих моделей і методів прогнозування є їхня орієнтація на реєстровані on-lіne дані. Запропоновано метод адаптивного комбінування прогнозів на основі адаптивної модифікації випадкового пошуку, метод адаптивного прогнозування на базі адитивної нелінійної ANARX-моделі. Модифікована МГУА-нейронна ме- режа в підсумку дозволяє покращити апроксимуючі і екстраполюючі властивості. Запропоновано та досліджено адаптивний метод нелінійної екстраполяції часових рядів з нерівновіддаленими спостереженнями. Розглянуто матричні моделі, що представляють фрагменти зображень для їх екстраполяції шляхом поширення адаптивних процедур ідентифікації на матричний випадок. Обговорені результати експериментальних досліджень прогнозування відеорядів безпосередньо в просторі зображень та в ознакових просторах, представлених дескрипторами форм областей, що продукуються просторовою сегментацією.The thesis is devoted to the development of models and methods of multidimensional time series forecasting, which are induced by video streams. Besides the traditional problems of time series forecasting, their segmentation is considered, which provides ‘semantic’ structuring of video to improve the efficiency of information retrieval technology. The specifics of the proposed models and forecasting methods is orientation to on-line processing. A method of adaptive forecasting combining based on adaptive random search modification, adaptive forecasting based on nonlinear ANARX-additive model are proposed. Modified GMDH-neural network, which allows to improve extrapolating and approximating properties have been investigated. An adaptive method of nonlinear time series extrapolation with unevenly spaced observations is proposed and analyzed. Matrix models which represent fragments of images for extrapolation by the spread of adaptive identification procedures to the matrix case are considered. The results of experimental researches of video sequences forecasting directly in the image space and in feature spaces, which are produced by the spatial segmentation, are discussed.
URI: http://openarchive.nure.ua/handle/document/2281
Appears in Collections:Автореферати

Files in This Item:
File Description SizeFormat 
MantulaEV.pdf364.33 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.