Отрывок: – Самара: Издательство Издательство Самарского научного центра РАН. – 2017. – С. 532-534. 50 23 Кравцова, Н.С. Разработка параллельной реализации метода формирования информативных признаков в области пространственного спектра [Текст] / Н.С. Кравцова, Р.А. Парингер, А.В. Куприянов // Информационные технологии и нанотехнологии (ИТНТ-2017): Сборник трудов. Самара, 2017. – Самара: издательство Новая техника. – 2017. – С. 1...
Название : Разработка и исследование высокопроизводительного алгоритма формирования информативных признаков в области пространственного спектра для анализа текстурных изоб
Авторы/Редакторы : Кравцова Н. С.
Куприянов А. В.
Губайдуллин И. М.
Министерство образования и науки Российской Федерации
Самарский национальный исследовательский университет им. С. П. Королева (Самарский университет)
Институт информатики
математики и электроники
Дата публикации : 2017
Библиографическое описание : Кравцова, Н. С. Разработка и исследование высокопроизводительного алгоритма формирования информативных признаков в области пространственного спектра для анализа текстурных изображений : вып. квалификац. работа по спец. "Прикладная математика и информатика" / Н. С. Кравцова ; рук. работы А. В. Куприянов; рец. И. М. Губайдуллин ; М-во образования и науки Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т информатики, математики. - Самара, 2017. - on-line
Аннотация : Объектом исследования является эффективность классификации текстур на изображении на основе методов вычисления признаков пространственного спектра. Целью работы является создание высокопроизводительного метода формирования набора информативных признаков пространственного спектра для классификации текстурных изображений. В данной работе в качестве текстурных изображений используются изображения медицинских кристаллограмм, потому что они образуют симметричную упорядоченную структуру, подходящую для обработки данным типом признаков. Для выявления набора информативных признаков пространственного спектра применялся метод дискриминантного анализа. Классификация текстурных изображений происходила с применением метода классификации: по k ближайшим соседям, а также с применением классификатора Байеса. 4 Для нахождения набора информативных признаков пространственного спектра была разработана параллельная реализация вычисления рассмотренных признаков, а также были реализованы два классификатора: классификатор Байеса и к
Другие идентификаторы : RU\НТБ СГАУ\ВКР20170906130734
Ключевые слова: метод ближайших соседей
энергетический спектр
классификатор Байеса
классификация текстур
параллельная реализация
локальные признаки пространственного спектра
преобразование Фурье
Располагается в коллекциях: Выпускные квалификационные работы




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