Отрывок: Формируем исходную выборку. 3. Рассчитываем индивидуальные критерии разделимости для каждого признака [13]. Проводим оценку информативности признаков, основываясь на значении критерия [14]. 4. Исключаем из исходной выборки признаки с низким значением критерия разделимости. 5. Исключаем из окрестности пикселы, соответствующие неинформативным признакам. Таким образом, оставшиеся пикселы составляют информативную окрестность. Экспериментальные исследования технологии про...
Полная запись метаданных
Поле DC Значение Язык
dc.contributor.authorБирюкова, Е.В.-
dc.contributor.authorПарингер, Р.А.-
dc.contributor.authorКирш, Д.В.-
dc.contributor.authorКравцова, Н.С.-
dc.date.accessioned2017-05-11 11:49:22-
dc.date.available2017-05-11 11:49:22-
dc.date.issued2017-
dc.identifierDspace\SGAU\20170511\63704ru
dc.identifier.citationБирюкова Е.В. Разработка технологии выбора информативной окрестности для моделирования текстурных изображений / Е.В. Бирюкова, Р.А. Парингер, Д.В. Кирш, Н.С. Кравцова // Сборник трудов III международной конференции и молодежной школы «Информационные технологии и нанотехнологии» (ИТНТ-2017) - Самара: Новая техника, 2017. - С. 379-383.ru
dc.identifier.urihttp://repo.ssau.ru/handle/Informacionnye-tehnologii-i-nanotehnologii/Razrabotka-tehnologii-vybora-informativnoi-okrestnosti-dlya-modelirovaniya-teksturnyh-izobrazhenii-63704-
dc.description.abstractВ работе предлагается способ построения информативной окрестности для моделирования текстурных изображений. Для описания характерных особенностей текстур используются предположения, лежащие в основе модельного представления текстурных изображений, описываемые с использованием марковского случайного поля. Результаты проведённых экспериментальных исследований свидетельствует о том, что применение разработанного подхода позволяет снизить размерность признакового пространства, не снижая при этом достоверность классификации.ru
dc.description.sponsorshipРабота выполнена при частичной поддержке Министерства образования и науки РФ в рамках реализации мероприятий Программы повышения конкурентоспособности СГАУ среди ведущих мировых научно-образовательных центров на 2013–2020 годы; грантов РФФИ № 15-29-03823, № 15-29-07077, № 16-41-630761, №17-01-00972; программы № 6 фундаментальных исследований ОНИТ РАН «Биоинформатика, современные информационные технологии и математические методы в медицине» 2017 г.ru
dc.language.isorusru
dc.publisherНовая техникаru
dc.subjectмодель марковского случайного поляru
dc.subjectгауссовское марковское полеru
dc.subjectтекстурные изображенияru
dc.subjectматрица смежностиru
dc.subjectклассификацияru
dc.subjectтекстурный анализru
dc.subjectкаузальная окрестностьru
dc.titleРазработка технологии выбора информативной окрестности для моделирования текстурных изображенийru
dc.typeArticleru
dc.textpartФормируем исходную выборку. 3. Рассчитываем индивидуальные критерии разделимости для каждого признака [13]. Проводим оценку информативности признаков, основываясь на значении критерия [14]. 4. Исключаем из исходной выборки признаки с низким значением критерия разделимости. 5. Исключаем из окрестности пикселы, соответствующие неинформативным признакам. Таким образом, оставшиеся пикселы составляют информативную окрестность. Экспериментальные исследования технологии про...-
Располагается в коллекциях: Информационные технологии и нанотехнологии

Файлы этого ресурса:
Файл Описание Размер Формат  
paper 80_379-383.pdfОсновная статья. Раздел: Обработка изображений и геоинформационные технологии849.19 kBAdobe PDFПросмотреть/Открыть
Показать базовое описание ресурса Просмотр статистики
Поделиться:



Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.