Публікація:
Методи структурної класифікації зображень на засадах баєсовської теорії прийняття рішень

Спрощена сторінка документа
dc.contributor.authorГадецька, С. В.
dc.contributor.authorГороховатський, В. О.
dc.date.accessioned2018-06-21T08:38:47Z
dc.date.available2018-06-21T08:38:47Z
dc.date.issued2018
dc.description.abstractУ проведеному дослідженні запропоновано метод структурної класифікації зображень на основі кластерного подання опису засобами баєсовської теорії прийняття рішень. Основна ідея застосування належного математичного апарату полягає у віднесенні аналізованого об’єкту до еталону, що має найбільше значення апостеріорної ймовірності. Розроблений метод забезпечує достатній рівень розрізнення зображень, що підтвердили описані розрахунки та результати моделювання. Впроваджено механізм оцінювання результативності аналізованих методів структурного розпізнавання в межах прикладної бази зображень .uk_UA
dc.identifier.citationГадецька С. В. Методи структурної класифікації зображень на засадах баєсовської теорії прийняття рішень / С. В. Гадецька, В. О. Гороховатський // Радіоелектроніка, інформатика, управління.–2018. – №2 (45). – C. 90–97.uk_UA
dc.identifier.urihttp://openarchive.nure.ua/handle/document/6271
dc.language.isoukuk_UA
dc.subjectкомп'ютерний зірuk_UA
dc.subjectрелевантність описівuk_UA
dc.subjectкластерне подання описуuk_UA
dc.subjectформула Баєсаuk_UA
dc.subjectапостеріорна ймовірність віднесення до класуuk_UA
dc.subjectкритерій близькості опису у базі еталонівuk_UA
dc.titleМетоди структурної класифікації зображень на засадах баєсовської теорії прийняття рішеньuk_UA
dc.typeArticleuk_UA
dspace.entity.typePublication

Файли

Оригінальний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
Гадецька, Гороховатський окончатeq.doc
Розмір:
605.5 KB
Формат:
Microsoft Word
Завантажити
Ліцензійний пакет
Зараз показано 1 - 1 з 1
Немає доступних мініатюр
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Колекції

Кафедра інформатики (ІНФ)