Методи і моделі толерантної кластеризації у колекціях зображень

Богучарський, С. І.

Публікація:
Методи і моделі толерантної кластеризації у колекціях зображень

dc.contributor.author	Богучарський, С. І.
dc.date.accessioned	2016-09-13T06:55:17Z
dc.date.available	2016-09-13T06:55:17Z
dc.date.issued	2016
dc.description.abstract	Дисертація присвячена розвитку моделей і методів сегментації візуальної інформації у просторі зображень на основі фрагментної обробки. Введені матричні модифікації методів кластеризації CLARANS для обробки масивів відеоспостережень у великих базах відеоданих, DBSCAN для сегментації зображень з нечіткими границями між областями довільної форми. Отримані фрагментні методи, засновані на використанні розподілів даних та рекурентній оптимізації, що дозволяють формувати сегменти довільної форми при високому рівні завад. Запропонована матрична модифікація методу кластеризації X-середніх, а також модифікації J -середніх и нечітких J -середніх, що дають можливість забезпечити досягнення більш глибокого екстремуму прийнятої цільової функції якості сегментації. Розроблений метод напівконтрольо- ваного матричного векторного квантування для аналізу текстур – сегментації послідовності зображень, що дозволяє обробляти відеодані як у режимі навчання з вчителем, так і самонавчання у послідовному режимі. Обговорені результати експериментальних досліджень. The thesis is devoted development of models and methods of visual information segmentation in image space on windows processing basis. Matrix modifications of clustering methods, viz CLARANS for video streams processing in very large video data bases and DBSCAN for image segmentation with fuzzy boundaries between arbitrary shape regions, are introduced. Window methods based on data distributions and recurrent optimisation, that allow to form clusters with any shape at high noise level, have been proposed. Matrix modification of Xmeans and also modifications of J-means and fuzzy J-means, which provide possibilities to ensure reaching of deeper extremum of the accepted goal function of segmentation quality, is offered. The method of semicontrolled matrix vector quantization is developed for textures analysis (segmentations of image sequences), allowing to process video data in sequential mode both learning with the teacher and selflearning. Results of experimental investigations are discussed.	uk_UA
dc.identifier.citation	Богучарський С. І. Методи і моделі толерантної кластеризації у колекціях зображень : автореф. дис. ... канд. техн. наук : 05.13.23 "Системы и средства искусственного интеллекта" / С. И. Богучарский ; М-во образования и науки Украины, Харьк. нац. ун-т радиоэлектроники. – Харьков, 2016. – 150 с.	uk_UA
dc.identifier.uri	http://openarchive.nure.ua/handle/document/2423
dc.language.iso	uk	uk_UA
dc.subject	кластеризація	uk_UA
dc.subject	сегментація	uk_UA
dc.subject	зображення	uk_UA
dc.subject	відеодані	uk_UA
dc.subject	фраментна обробка	uk_UA
dc.subject	clustering	uk_UA
dc.subject	segmentation	uk_UA
dc.subject	image	uk_UA
dc.subject	video data	uk_UA
dc.subject	window processing	uk_UA
dc.title	Методи і моделі толерантної кластеризації у колекціях зображень	uk_UA
dc.type	Article	uk_UA
dspace.entity.type	Publication