Продуктивні моделі аналізу даних у методах розпізнавання зображень

Abstract

Монографія розвиває структурні технології аналізу багатовимірних даних в інтелектуальних системах комп’ютерного зору. Основна увага приділяється удосконаленню структурних методів розпізнавання зображень за критеріями підвищення швидкодії і скорочення обчислень. Запропоновано ряд модифікацій для класифікаторів зображень на підставі множини дескрипторів ключових точок, проведено їх теоретичне обґрунтування. Досліджуються моделі стиснення опису за критерієм інформативності, вивчаються особливості впровадження мережі Кохонена, кластерного подання даних та метричної грануляції. Запроваджено індексовані структури даних для швидкісного пошуку у процесі класифікації, використано модифікації простору ознак у формі матриці відстаней та апарату редукції із забезпеченням високого рівня точності класифікації. Наведено результати програмного моделювання у порівнянні із традиційними методами. Підтверджено ефективність запропонованих інновацій для прикладних баз даних та зображень. Рекомендовано для науково-технічних працівників та здобувачів вищої освіти, що розробляють чи вивчають новітні інформаційні технології, а також інтелектуальні методи аналізу багатовимірних даних. Монографія може бути корисною для здобувачів вищої освіти за спеціальністю «Комп’ютерні науки» у галузі «Інформаційні технології». Монографія розвиває підхід структурного аналізу в плані покращення основних показників функціонування систем комп’ютерного зору – швидкодії класифікації зображень із забезпеченням достойного рівня точності. Матеріал монографії продовжує впровадження технологій аналізу багатовимірних даних в інтелектуальних системах і ґрунтується на результатах недавніх досліджень авторів, де детально викладене теоретичне підґрунтя та експериментальне підтвердження ефективності для ряду продуктивних модифікацій структурних методів.