Кластерный анализ на основе качества репрезентативных оценок цифровых изображений
Боковая панель статьи
Основное содержимое статьи
Аннотация
В работе вводятся показатели качества изображений, методы их оценки, а также осуществляется отбор наиболее репрезентативных показателей. Далее проводится кластерный анализ выборки изображений с целью последующего использования его результатов для получения обучающего сигнала, необходимого при проектировании базы знаний нечеткого регулятора, управляющего параметрами алгоритма распознавания образов. Кластерный анализ выполняется с помощью метода k-средних и алгоритма модели гауссовых смесей.
Скачивания
Информация о статье
Библиографические ссылки
Canny J., A Computational Approach to Edge Detection. // IEEE Transactions on Pattern Analysis and Machine Intelligence. -1986. - Vol. 8/6. - Pp. 679-698.
Geoffrey J. McLachlan, Kaye E. Basford, Mixture models: inference and applications to clustering. - New York: Marcel Dekker,1988.
MacQueen J., Some methods for classification and analysis of multivariate observations. // Proc. Fifth Berkeley Symp. on Math. Statist. and Prob. - 1967. - Vol. 1. - Pp. 281-297.
Stan Z.Li, Anil K. Jain. Handbook of Face Recognition. - Springer Science Business Media, 2005.
Ульянов С.В., Литвинцева Л.В., Добрынин В.Н., Мишин А.А., Интеллектуальное робастное управление: технологии мягких вычислений. - М.: ВНИИгеосистем, 2011.
Фисенко В.Т., Фисенко Т.Ю., Компьютерная обработка и распознавание изображений: учеб. пособие. - СПб: СПбГУ ИТМО, 2008.