Исследование метода машинного обучения на основе фрактального сжатия

Abstract

В данной статье исследован метод машинного обучения с циклическим фрактальным кодированием и использованием словаря доменных блоков, адаптированный для применения на мобильных платформах, с оптимизацией производительности и объема хранимых фрактальных образов изображений. Основная идея метода заключается в применении метода фрактального сжатия на основе систем итерированных функций для понижения размерности исходных изображений, и использовании циклического фрактального кодирования для представления класса изображений в целом. В результате исследований метода получено, что доля верно распознанных объектов по базе MSTAR в среднем составляет 0.892, время распознавания в среднем 254 мс. Достигнутые показатели являются приемлемыми для использования в мобильных платформах, в т.ч. для БПЛА и наземных автономных роботов.