Публікація:
Дослідження методу структурної класифікації зображень з використанням засобів нечіткої кластеризації даних

Проста сторінка документа
dc.contributor.authorЄрьоменко, В. М.
dc.date.accessioned2022-02-21T10:49:51Z
dc.date.available2022-02-21T10:49:51Z
dc.date.issued2021
dc.description.abstractОб’єктами дослідження є методи кластеризації щодо зображень із набору – «CelebaFaces Attributes Dataset (CelebA)». Метою дослідження є розробка алгоритмів самоорганізації для навчання нечіткої мережі із застосуванням алгоритму нечіткої самоорганізації « C-means» для забезпечення результативної класифікації зображень за їх структурним описом. Розглянуто методи класифікації візуальних об’єктів із використанням засобів нечіткої самоорганізації із застосуванням статистичних характеристик опису, побудованого у вигляді множини дескрипторів ключових точок. У результаті роботи проведено дослідження, здійснена програмна реалізація методу класифікації зображень із використанням засобів нечіткої кластеризації, виявлено особливості їх впровадження для багатовимірних даних описів зображень.uk_UA
dc.identifier.citationЄрьоменко В. М. Дослідження методу структурної класифікації зображень з використанням засобів нечіткої кластеризації даних : пояснювальна записка до атестаційної роботи здобувача вищої освіти на другому (магістерському) рівні, спеціальність 122 - Комп’ютерні науки / В. М. Єрьоменко; М-во освіти та науки України, Харків. нац. ун-т радіоелектроніки. – Харків, 2021. – 67 с.uk_UA
dc.identifier.urihttps://openarchive.nure.ua/handle/document/19833
dc.language.isoukuk_UA
dc.subjectструктурний описuk_UA
dc.subjectнечітка кластеризаціяuk_UA
dc.subjectстатистичний центрuk_UA
dc.subjectключова точкаuk_UA
dc.subjectдетекторuk_UA
dc.subjectдескрипторuk_UA
dc.subjectкласифікація зображеньuk_UA
dc.subjectбінарний аналізuk_UA
dc.titleДослідження методу структурної класифікації зображень з використанням засобів нечіткої кластеризації данихuk_UA
dc.typeOtheruk_UA
dspace.entity.typePublication

Файли

Оригінальний пакунок

Зараз показано 1 - 1 з 1
Зображення мініатюри
Назва:
2021_M_INF_Eremenko_VM.pdf
Розмір:
1.41 MB
Формат:
Adobe Portable Document Format
Завантажити

Пакунок ліцензії

Зараз показано 1 - 1 з 1
Зображення мініатюри
Назва:
license.txt
Розмір:
9.42 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Колекції

Кваліфікаційні роботи магістрів (Маг_ІНФ)